自動(dòng)尋跡智能車(chē)涉及到當前高技術(shù)領(lǐng)域內的許多先進(jìn)技術(shù)，其中 主要的是傳感技術(shù)、路徑規劃和運動(dòng)控制。本課題是以飛思卡爾智能車(chē)競賽為背景，以單片機作為 控制單元，以攝像頭作為路徑識別傳感器，以直流電機作為小車(chē)的驅動(dòng)裝置，以舵機控制小車(chē)轉向。車(chē)模競賽的賽道是一個(gè)具有特定幾何尺寸約束、摩擦系數及光學(xué)特性的KT板，其中心貼有對可見(jiàn)光及不可見(jiàn)光均有較強吸收特性的黑色條帶作為引導線(xiàn)，寬度為2．5 cm。在行駛過(guò)程中，系統通過(guò)攝像頭獲取前方賽道的圖像數據，同時(shí)通過(guò)測速傳感器實(shí)時(shí)獲取智能車(chē)的速度，采用路徑搜索算法進(jìn)行尋線(xiàn)判斷和速度分析，然后作控制決策，控制轉向舵機和直流驅動(dòng)電機工作。智能車(chē)通過(guò)實(shí)時(shí)對自身運動(dòng)速度及方向等進(jìn)行調整來(lái)“沿”賽道快速行駛。本文主要介紹攝像頭通過(guò)提取賽道黑線(xiàn)信息交予單片機處理，通過(guò)單片機輸出控制信號控制舵機轉向來(lái)控制車(chē)模的轉向，從而很好的自動(dòng)循跡。

 

1 總體軟硬件結構及思路

 

此智能車(chē)輛定位系統用攝像頭拍攝車(chē)輛前方的賽道，通過(guò)MC9S12XS128采樣視頻信號，獲得圖像數據。然后用合適的算法，如跟蹤邊緣檢測算法，分析圖像數據，提取目標指引線(xiàn)。然后，系統根據目標指引線(xiàn)的位置信息，對舵機和電機施以合適的控制。本智能車(chē)運動(dòng)系統的結構圖如圖1所示。

因為系統是一個(gè)有機的整體，所以需配合好系統的攝像頭、控制單片機、電機（包括直流伺服電動(dòng)機、光電編碼器）、舵機和輔助電路（電源板、電機驅動(dòng)板）等各個(gè)部分。舵機是實(shí)時(shí)控制車(chē)模的轉向，是比賽快速性和穩定性的關(guān)鍵，舵機控制有很多的控制算法，如：PID經(jīng)典控制算法、模糊算法、算法等。

 

2 系統程序總體控制流程

 

系統的基本軟件流程是：首先，對各功能模塊和控制參數進(jìn)行初始化；然后，通過(guò)圖像采集模塊獲取前方賽道的圖像數據，同時(shí)通過(guò)速度傳感器模塊獲取賽車(chē)的速度。采用PID對舵機進(jìn)行反饋控制。另外根據檢測到的速度，結合速度控制策略，對賽車(chē)速度不斷進(jìn)行適當調整，使賽車(chē)在符合比賽規則的前提下，沿賽道快速行駛。系統的基本軟件結構流程圖，如圖2所示。

 

 

系統的軟件要求控制的準確性、穩定性。采樣提取黑線(xiàn)是控制輸入量的基礎，要求采樣的 穩定。輸入量給舵機以后又要求舵機輸出的快速相應性、穩定性和準確性。經(jīng)過(guò)多次實(shí)驗及近一個(gè)學(xué)期的調車(chē)經(jīng)驗，選用了并改進(jìn)了經(jīng)典的PID控制器對車(chē)模的舵機進(jìn)行控制調節。

 

3 圖像識別

 

用CCD攝像頭采集車(chē)模前方一定距離內的黑線(xiàn)，從中提取相關(guān)量，用來(lái)控制舵機的轉向，實(shí)現智能車(chē)的自動(dòng)循跡。由于單片機數據處理能力和速度有限，不能在短短的20 ms時(shí)間內處理整場(chǎng)圖像。本系統設置攝像頭前瞻為1．2 m。在不影響道路檢測 需要的前提下，本系統采用隔行采集來(lái)壓縮圖像數據，即相隔不同的有效行采集一行數據（近處相隔的少，遠處相隔的多），一共可采集 44行數據。此外為了進(jìn)一步提高A／D轉換的速度，本系統還適當地將XS12的CPU超頻運行并且設置A／D轉換器的 為8位，這樣每行能采樣到67個(gè)點(diǎn)，形成了一個(gè)面陣，而黑線(xiàn)在其中占據了某些點(diǎn)位。由于我們一行采集67個(gè)點(diǎn)，故中間值為33。圖像是智能車(chē)的底層，圖像的采集正確與否在以后的控制中尤為重要，故一定要確保采集回來(lái)的黑線(xiàn)的真實(shí)有效性，并且要增加濾波算法，比如在有效前瞻很小的時(shí)候，本來(lái)只要判斷出黑線(xiàn)的轉向即可，給舵機以極限轉角可以讓車(chē)急轉彎。但是有效行很少的時(shí)候，如果不用特殊的濾波方法，只要有一行的黑線(xiàn)提錯，就可能讓小車(chē)轉錯，至于轉出界。

 

4 分段PID控制

 

4．1 圖像信息提取量

 

從采集回來(lái)的圖像中提取控制量來(lái)控制舵機的轉向，實(shí)現智能車(chē)的自動(dòng)循跡。本系統采用黑線(xiàn)偏移量even_diff和黑線(xiàn)某段斜率 D_diff-erent對舵機進(jìn)行控制，可稱(chēng)為PD控制器。由于車(chē)模是個(gè)隨動(dòng)系統，在攝像頭1．2 m前瞻內覆蓋的黑線(xiàn)不一定有設置的44行，特別是前方的彎特別急的時(shí)候，在攝像頭前瞻視角范圍內覆蓋的黑線(xiàn)會(huì )特別少，比如13行或13行以下。根據這個(gè)特點(diǎn)，可設置一個(gè)有效前瞻量valid_line作為對前方的彎的平緩程度的反應。

 

把每一行的黑線(xiàn)位置值與中間值作差，得到該行的偏移量，中間值33位賽道的中心位置點(diǎn)，偏移量表示在車(chē)模的視角下黑線(xiàn)處于賽道中的位置值。把每一行的偏移量相加之和除以攝像頭前瞻范圍內的提取出的黑線(xiàn)行數，得到黑線(xiàn)相對于車(chē)模中心的整體偏移量even_diff，用有效行內的遠處某些行與近處某些行（如前半場(chǎng)與后半場(chǎng)）偏移量之差得到有效行內的黑線(xiàn)斜率D_differen。

 

這樣，從一場(chǎng)的黑線(xiàn)位置數據中，系統提取了有效行valid_line、even_diff、D_different 3個(gè)量來(lái)對舵機進(jìn)行控制。在實(shí)際情況中，D_different可以很靈活，因為前方黑線(xiàn)的斜率可以取不同段得到，可以根據實(shí)際要求得到不同段的斜率值，如速度快時(shí)可以適當的取距車(chē)較遠處的黑線(xiàn)斜率，以實(shí)現超前控制。

 

在智能車(chē)調試參數的時(shí)候，對這3個(gè)量的理解很是重要，具體來(lái)說(shuō)，valid_line表征車(chē)模的有效前瞻，即看得有多遠，對于智能車(chē)在道路上行駛，看得遠說(shuō)明黑線(xiàn)都在前方，看不遠說(shuō)明智能車(chē)前方的黑線(xiàn)已經(jīng)偏左或者偏右，而這個(gè)量的大小正好可以表征彎的平緩與急切。另外，看得遠則攝像頭采集的黑線(xiàn)多，系統信息量大，那么怎么處理這些大量的信息為我們所用就變得很關(guān)鍵，如看得1．2 m都能看見(jiàn)，說(shuō)明小車(chē)必然在長(cháng)直道上，不然也是小S彎，稍作處理就可以過(guò)濾掉小S彎了，讓小車(chē)像都是在直道上跑；看得很近說(shuō)明彎已經(jīng)很急，這時(shí)候，只要能夠判斷出彎往那邊拐就可以給舵機一個(gè)極值急拐。even_diff表征在某一個(gè)特定視野下，小車(chē)與黑線(xiàn)偏離的程度，這個(gè)量可以讓智能車(chē)在某個(gè)特定視野下決定給舵機多大的轉角。D_different則在有效前瞻遠的時(shí)候尤為關(guān)鍵，因為它可以預判前方的彎，從而超前的轉彎。

 

4．2 PD控制器形式

 

系統把這3個(gè)量處理成PD控制器的形式：

 

 

 

其中a為根據賽道有效前瞻確定的不同有效行。Centre為舵機走直線(xiàn)的控制中間值。Steer為PD控制器給舵機的輸入量。由于車(chē)模舵機轉向控制是一個(gè)非線(xiàn)性系統，而設置了入口條件“有效行判斷”，正好可以把這個(gè)非線(xiàn)性系統分割成不同段，在每一段可近似認為轉向控制系統是線(xiàn)性的。即在某一小段范圍內，得到的黑線(xiàn)位置和對應的舵機PID參照角度處理成 線(xiàn)性關(guān)系。 終實(shí)現簡(jiǎn)單分段PID控制。

 

5 分段PID控制參數規律

 

在實(shí)際的調車(chē)過(guò)程中，我們總結發(fā)現，PD控制器的參數Kp、Kd與有效前瞻valid_line、車(chē)模的速度相關(guān)。簡(jiǎn)單點(diǎn)說(shuō)，即小車(chē)速度越快，車(chē)模遇彎提前拐彎的應越早?？偨Y下來(lái)，有如下關(guān)系：　 

 

其中A為Kp的基礎值，valid_line為車(chē)模運行到某個(gè)狀態(tài)的有效前瞻（用提取的黑線(xiàn)數量來(lái)估定），speed為小車(chē)一場(chǎng)時(shí)間內的脈沖值，表征車(chē)模時(shí)刻運行的速度。低速時(shí)，可近似認為speed／C為零，通過(guò)試驗法可以確定A值大小。在確定Kp基礎值之后，即可加速，在小車(chē)速度稍高的時(shí)候調試得出合適的B值、C值， 終使小車(chē)平穩準確的切線(xiàn)，循跡而行。此關(guān)系式可知，有效前瞻的變化是對Kp值影響 大也是 直接的一個(gè)量，我們平時(shí)調車(chē)經(jīng)驗而知，B參數應比C敏感很多才行。有效行減少一行，對舵機轉向角的影響要遠大于小車(chē)速度speed對Kp的對影響。而speed對舵機急轉快速性在車(chē)模高速的時(shí)候很是明顯。

 

為增加系統的魯棒性，并且更好的解決系統的非線(xiàn)性問(wèn)題，我們將小車(chē)的前瞻分段，我們1．2 m的前瞻里面，總共有44行黑線(xiàn)，直道上全部提取回來(lái)，可以分為有效行37行一下、有效行30行以上、有效行24行以上、有效行18行以上、有效行13行以上與有效行13行以下7段。

 

雖然分為7段，各段單獨控制，參數單獨調節，但是，Kp值與有效行（有效前瞻）成負相關(guān)的關(guān)系仍然成立，故Kp、Kp1、Kp2、Kp3、Kp4、Kp5依然大體上遵循與有效行負相關(guān)的關(guān)系，即Kp隨有效行的減小線(xiàn)性增加。

 

在每一段里面調節PD控制器的參數，使小車(chē)能夠行使不同類(lèi)別不同半徑的彎道。這樣就形成分段PD控制，小車(chē)的非線(xiàn)性問(wèn)題可以很好的解決，系統的魯棒性也能夠增強。同時(shí)，為保護舵機不至于向左向右打得太狠，可以限定舵機的左右極限值： 

 

通過(guò)調試參數A、B、C，調節不同的Kp值，實(shí)踐證明，小車(chē)能夠平穩、快速的自動(dòng)巡線(xiàn)前行。

 

6 結束語(yǔ)

 

該算法把舵機的轉向的Kp系數與車(chē)速相關(guān)起來(lái)，能夠很好地配合車(chē)速與舵機轉向，提出以具體的智能車(chē)參數分段PD參數的規律，對智能車(chē)實(shí)際制作很有幫助，在智能車(chē)比賽中具有很廣的推廣價(jià)值。

 

實(shí)踐證明，參數調節合適的時(shí)候智能車(chē)能夠很好的適應賽道，跑出希望的 佳路徑。為了參加第五屆“飛思卡爾”杯全國大學(xué)生智能汽車(chē)競賽，此控制算法在校級代表隊資格選拔賽中表現完美， 終跑出2．5 m／s的好成績(jì)，成功入選華北賽區參加比賽。實(shí)踐證明了智能車(chē)舵機分段PID控制轉向具有可行性和實(shí)用性。