【正文】 化組成，因此常見(jiàn)平滑處理應(yīng)用就是減噪。該濾波器產(chǎn)生掩模下的標(biāo)準(zhǔn)像素平均值，把掩模系數(shù)帶入（）式即可以清楚地看出這一點(diǎn)： ()R是由掩模定義的3x3臨域像素灰度的平均值。其中src指原圖像，dst指目標(biāo)圖像，3指代3x3的模板。i row。 sum_number++。if (ctr_line!=0) uchar(i,ctr_line)=255。器效果圖如35所示。對(duì)于等精度測(cè)量所得到的N組數(shù)據(jù)（xi，yi），i＝1，2……，N，xi值被認(rèn)為是準(zhǔn)確的，所有的誤差只聯(lián)系著yi。 （） （）現(xiàn)在給出OpenCV的實(shí)現(xiàn)算法：double t1=0, t2=0, t3=0, t4=0。 ++i){if( i%semble_set !=0) continue。t4 += y[i]。圖 38 擬合直線可以看出，即便在實(shí)際道路中對(duì)比度很差的情況下，依然可以將道路的相關(guān)信息提取出來(lái)。因?yàn)閞aspberryPi所采用的通信電平為0—，而Arduino所采用的通信電平為0—5v，需要對(duì)其電平進(jìn)行轉(zhuǎn)換。 sprintf(san1,%f,slope)。str3 = str1+ +str2。下位機(jī)對(duì)應(yīng)的程序如下：void setup(){(9600)。 char s2[20]=。 delay(2)。 i++。) // 讀取截距 { s2[j]=data[i]。 } slope = atan(atof(s1))*180/PI。 本章小結(jié)本章詳細(xì)的介紹了圖像處理過(guò)程中的圖像采集、RGB圖像轉(zhuǎn)HSV圖像、HSV圖像增強(qiáng)、灰度二值化、去離散噪聲這些基本的圖像預(yù)處理方法，并給出了它們的Matlab以及OpenCV的實(shí)現(xiàn)方法。設(shè)計(jì)并制作移動(dòng)機(jī)器人。常用的輪式驅(qū)動(dòng)方式分別為：差速驅(qū)動(dòng)方式、同步驅(qū)動(dòng)方式、三輪車(chē)結(jié)構(gòu)驅(qū)動(dòng)方式和汽車(chē)結(jié)構(gòu)驅(qū)動(dòng)方式。 雙輪差分驅(qū)動(dòng)的運(yùn)動(dòng)學(xué)分析本系統(tǒng)采用雙輪差分驅(qū)動(dòng)的模型如圖42所示。 （）方程可以簡(jiǎn)化為 （）對(duì)于圖42所示的移動(dòng)平臺(tái)模型，可將兩個(gè)驅(qū)動(dòng)輪簡(jiǎn)化為居于軸連線中點(diǎn)M處的單個(gè)驅(qū)動(dòng)輪，則該虛擬單輪系統(tǒng)所受的非完成約束為 （）移動(dòng)平臺(tái)的廣義坐標(biāo)向量有三個(gè)分量：，而平臺(tái)的控制分量只有兩個(gè)驅(qū)動(dòng)輪的旋轉(zhuǎn)角速度和，這是典型的非完整約束問(wèn)題。、角速度分別為 （） （）因 ，可得M點(diǎn)的拐彎半徑 （）由式（）可以看出：當(dāng)時(shí)，旋轉(zhuǎn)角速度為0，轉(zhuǎn)彎半徑為無(wú)窮大，平臺(tái)在前后方向上直線運(yùn)動(dòng)；當(dāng)時(shí)，轉(zhuǎn)彎半徑等于0，平臺(tái)圍繞M點(diǎn)做原地旋轉(zhuǎn)運(yùn)動(dòng)。M法通過(guò)測(cè)量規(guī)定時(shí)間內(nèi)的編碼器脈沖數(shù)目來(lái)獲得被測(cè)速度。隨著轉(zhuǎn)速的降低誤差增大，轉(zhuǎn)速過(guò)低時(shí)將有可能小于1，測(cè)速裝置不能正常工作。假設(shè)此時(shí)的計(jì)數(shù)值為M，被測(cè)速度可以計(jì)算為 （）T法測(cè)速的分辨率和誤差率可以分別確定為 （） （）由式（）可以看出：在低速時(shí)，編碼器相鄰脈沖間隔時(shí)間長(zhǎng)，測(cè)得的高頻脈沖個(gè)數(shù)M多，所以誤差率小，測(cè)量精度高，因此T法測(cè)速適用于低速段。 PID控制器的設(shè)計(jì)PID控制由比例、微分和積分構(gòu)成，具有結(jié)構(gòu)簡(jiǎn)單，應(yīng)用方便等優(yōu)點(diǎn)。增量式PID控制規(guī)律見(jiàn)式()。積分環(huán)節(jié)不斷累加誤差，能使誤差迅速消除，但也能使系統(tǒng)產(chǎn)生超調(diào)。然后減小積分時(shí)間，加大積分作用，并響應(yīng)的調(diào)整比例系數(shù)，反復(fù)試湊至得到較滿意的響應(yīng)，確定比例和積分的參數(shù)。Input_L,amp。Input_R,amp。 // 配置管腳信息 pinMode(S_R,INPUT)。 setValue_R = 。 (,)。 ()。 else if (PWM1=0) PWM1 = 0。 analogWrite(PR1,PWM2)。5. 基于模糊預(yù)瞄的控制算法實(shí)現(xiàn) 引言在第三章中詳細(xì)介紹了路徑信息的提取算法，在第四章中對(duì)下位機(jī)的控制也做了詳細(xì)的介紹。機(jī)器人的運(yùn)動(dòng)控制行為應(yīng)與汽車(chē)駕駛員的駕駛行為相似。當(dāng)給定目標(biāo)值與實(shí)際值之間的偏差：當(dāng)給定目標(biāo)值與實(shí)際值之間的偏差較小時(shí)，則需要需要機(jī)器人的轉(zhuǎn)動(dòng)角度相應(yīng)的較小一些來(lái)調(diào)整偏差：機(jī)器人在行走過(guò)程中，根據(jù)偏差的大小來(lái)不斷的調(diào)整角速度。 else if(abs(intercept)10 amp。 } else if(abs(intercept)=53 amp。 } else if(abs(intercept)106) { if(intercept 0) Ang_vel = 。} 試驗(yàn)效果當(dāng)小車(chē)在道路左側(cè)時(shí)，如圖51所示，當(dāng)AGV小車(chē)的位姿如圖51(a)所示，其在攝像頭中提取的圖像為51(b)。經(jīng)過(guò)提取中心線以及最小二乘法擬合直線后，得到51(e)所示的道路信息。這輛 AGV 是本人搭建的廉價(jià)低端平臺(tái)，雖然在性能上遠(yuǎn)不如專(zhuān)業(yè)AGV系統(tǒng)，但是基本可以實(shí)現(xiàn)視覺(jué)AGV系統(tǒng)的功能。(3)通過(guò)對(duì) AGV 的機(jī)械結(jié)構(gòu)、左右車(chē)輪與路徑的運(yùn)動(dòng)學(xué)分析，建立了系統(tǒng)的模型，從中找到了 AGV 左右輪的控制策略。比如，AGV 如果在充滿油污粉塵的惡劣環(huán)境中工作，那么現(xiàn)有的視覺(jué)算法將通通失效。因此，要進(jìn)一步提高基于視覺(jué)導(dǎo)引 AGV 的可靠性和行車(chē)速度，真正把視覺(jué) AGV 做成商業(yè)化的工業(yè)級(jí)產(chǎn)品，還需在這些方面進(jìn)行深入細(xì)致的研究。感謝哈爾濱工業(yè)大學(xué)里每一位教育過(guò)我的老師，他們教給我的解決問(wèn)題的思考方式、著眼點(diǎn)以及執(zhí)著的精神，對(duì)我學(xué)習(xí)新鮮事物時(shí)始終保持熱心和恒心有著很大的影響。2004,33(2):11214 劉玲，王耀南，況菲， 人路徑規(guī)劃[J].,26415 李艷，高峰，[J].系 ,16(3):58516 17 王會(huì)清，[J].計(jì)算機(jī)與 ,6418 祖麗楠，田耀濤， 協(xié)作系統(tǒng)[J].,28(5):47019 周風(fēng)余，李貽斌， 系統(tǒng)研究[J].山東大學(xué)學(xué)報(bào)(工學(xué)版).2005,35(1):828320 Bilateral Filtering for Gray and Color ImagesUCHI1/21 C. Tomasi and R. Manduchi, Bilateral Filtering for Gray and Color Images, Proceedings of the 1998 IEEE International Conference on Computer Vision, Bombay, India.22 T. Boult, . Melter, F. Skorina, and I. Stojmenovic,Gneighbors, Proceedings of the SPIE Conference on Vision Geometry II, pages 96109, 1993.23 . Chin and . Yeh, Quantitative evaluation of some edgepreserving noisesmoothing techniques, Computer Vision, Graphics, and Image Processing, 23:6791, 1983.24 . Davis and A. Rosenfeld, Noise cleaning by iterated local averaging, IEEE Transactions on Systems, Man, and Cybernetics, 8:705710, 1978.25 . Graham, Snowremoval a noisestripping process for picture signals, IRE Transactions on Information Theory, 8:129144, 1961.26 N. Himayat and . Kassam, Approximate performance analysis of edge preserving filters, IEEE Transactions on Signal Processing, 41(9):276477, 1993.27 . Huang, . Yang, and . Tang, A fast twodimensional median filtering algorithm, IEEE Transactions on Acoustics, Speech, and Signal Processing, 27(1):1318, 1979.28 高振海，管欣，李謙， 車(chē)目標(biāo)速度的控制模型[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版).2002,32(1):129 李慶中，顧偉康，葉秀清，項(xiàng)志宇．移動(dòng)機(jī)器人路徑跟蹤的智能預(yù) 瞄控制方法研究[J]．機(jī)器人．2002,24(3)：252 48 。不要自己寫(xiě)，要利用word來(lái)自動(dòng)生成。我從謝老師的身上看到了對(duì)學(xué)術(shù)一絲不茍的嚴(yán)謹(jǐn)態(tài)度和對(duì)知識(shí)及一反三的學(xué)習(xí)方法，這些都是我在畢業(yè)設(shè)計(jì)過(guò)程之中收獲的寶貴財(cái)富。(2)AGV 行駛速度不夠快。但是，當(dāng)前的 AGV 仍存在以下一些問(wèn)題：(1)基于視覺(jué)導(dǎo)引的 AGV 關(guān)鍵技術(shù)在于機(jī)器視覺(jué)。數(shù)字圖像前處理算法有很多，本文根據(jù)工程實(shí)際，最終選用了彩色轉(zhuǎn)HSV，圖像增強(qiáng)，灰度二值化，去離散干擾噪聲等算法。 本章小結(jié)本章詳細(xì)介紹了基于模糊控制預(yù)瞄算法的原理，以及在此基礎(chǔ)上的Arduino實(shí)現(xiàn)方法，并根據(jù)實(shí)際的運(yùn)行情況對(duì)其進(jìn)行了驗(yàn)證。對(duì)圖像進(jìn)行預(yù)處理之后得到的效果圖如(c)所示。 } setValue_L = + Ang_vel*10。 abs(intercept106)) { if(intercept 0) Ang_vel = 。 abs(intercept)53) { if(intercept 0) Ang_vel = 。在實(shí)驗(yàn)室環(huán)境下通過(guò)多次實(shí)驗(yàn)，給出一組相較合適的偏差值，和角速度。令初始時(shí)刻時(shí)，為一個(gè)固定常量，即，尋找合適的輸入變量使得機(jī)器人沿期望的路徑前進(jìn)。 模糊預(yù)瞄算法“預(yù)瞄跟隨理論”是由中國(guó)工程院院士郭孔輝于1982年提出的，并成功的應(yīng)用于駕駛員方向控制行為的研究中。 本章小結(jié)本章首先對(duì)差分驅(qū)動(dòng)模型進(jìn)行了運(yùn)動(dòng)學(xué)分析。 else if (PWM2=0) PWM2 = 0。 PWM2 += Output_R*。 (AUTOMATIC)。 PWM2=。 pinMode(PR1,OUTPUT)。setValue_R,4,0,0,DIRECT)。setValue_L,4,0,0,DIRECT)。先置微分時(shí)間為0，逐漸加大Td，同時(shí)響應(yīng)改變比例系數(shù)和積分時(shí)間，反復(fù)試湊得到理想的效果。在本系統(tǒng)的PID整定中基本遵循“先比例，再積分，最后微分”的過(guò)程，具體的整定步驟如下：（1） 整定比例環(huán)節(jié)：將比例控制作用由小到大變化，直至得到反應(yīng)快、超調(diào)小的響應(yīng)曲線；（2） 整定積分環(huán)節(jié)：若在比例控制下穩(wěn)態(tài)誤差不能滿足要求，需要加入積分控制。 ()積分的作用是消除靜態(tài)誤差。PID控制的框架如圖43所示，其中Kp、Ki和Kd為PID控制器參數(shù)。假設(shè)這兩個(gè)計(jì)數(shù)值為M1和M2，高頻脈沖頻率為f，則M/T法的測(cè)速公式為 （）其分辨率可計(jì)算為 （）低速時(shí)M/T法趨向于T法，在高速段M/T法相當(dāng)于T法的M1次平均，而在這M1次中最多產(chǎn)生一個(gè)高頻時(shí)鐘脈沖的誤差。T法通過(guò)測(cè)量相鄰兩個(gè)編碼器輸出脈沖之間的時(shí)間的長(zhǎng)度來(lái)獲取速度。M法測(cè)速的分辨率為 （）誤差為 （）由式（）可以看出，M法的測(cè)速誤差率同檢測(cè)到的脈沖數(shù)目成正比。本系統(tǒng)采用增量式光電編碼器，當(dāng)正傳時(shí)