【文章內(nèi)容簡介】 簧管并聯(lián)為“線或”關(guān)系，任何一個干簧管檢測到磁鐵，A12端都會輸出高電平，程序檢測到上升沿后使賽車停車。+I/O 紅外傳感器電路實(shí)物及安裝 驅(qū)動電路設(shè)計(jì)驅(qū)動電路為智能車驅(qū)動電機(jī)提供控制和驅(qū)動，這部分電路的設(shè)計(jì)要求以能夠通過大電流為主要指標(biāo)。驅(qū)動電路的基本原理是H橋驅(qū)動原理，目前流行的H橋驅(qū)動電路有：H橋集成電路，如MC33886；集成半橋電路，如BTS7970等；MOS管搭建的H橋電路。我們對三種電路都進(jìn)行了搭建并測試，MC33886的優(yōu)點(diǎn)是電路簡單[12]，外圍元件少，但缺點(diǎn)是內(nèi)阻較大，通過電流有限，可以通過兩片MC33886并聯(lián)的方式進(jìn)行改善。MOS管搭建的H橋電路可以通過較大電流，但由于每個MOS管體積較大，因此電路板面積較大，另外，MOS管H橋電路可能會發(fā)生脈沖上升沿下降沿由于不夠陡峭而帶來的瞬間短路、功率過高等問題，為了避免這些問題，無疑要增加電路復(fù)雜程度。最終我們選擇了目前比較流行的兩BTS7970半橋集成電路組成H橋。BTS7960的內(nèi)阻為上半臂7mΩ，下半臂9 mΩ，完全導(dǎo)通后全部內(nèi)阻為16 mΩ，可通過電流為43A[13]，遠(yuǎn)遠(yuǎn)大于智能車電機(jī)需求。 BTS7960搭建H橋電路原理圖第三章 智能車軟件設(shè)計(jì)說明軟件系統(tǒng)是對傳感器等輸入設(shè)備輸入的信息進(jìn)行處理，然后通過一定算法，得到控制輸出，對現(xiàn)有的硬件電路進(jìn)行調(diào)度和控制，從而使智能車按照賽道前進(jìn)。軟件系統(tǒng)要達(dá)到的最終目的是讓智能車更快更穩(wěn)的在賽道上行駛，從而真正達(dá)到“智能”。開始初始化(端口、變量、程序)延遲啟動電機(jī)是否啟動電機(jī)賽道檢測兩車距離獲取轉(zhuǎn)向舵機(jī)控制速度獲取速度控制是否坡道坡道處理函數(shù)是否終點(diǎn)剎車速度是否0終止YYYYNNNN 程序流程總框圖下面的內(nèi)容中，我們著重介紹賽道信息提取、方向舵機(jī)控制、距離獲取、速度控制等主要部分。 賽道信息和兩車距離提取賽道信息提取部分是最基礎(chǔ)的程序，之后的控制程序都源于賽道信息的正確提取，這部分程序主要包括硬件端口讀取、數(shù)據(jù)處理及分析歸類三部分。首先介紹硬件端口信息讀取部分，為了存儲賽道信息，我們建立一個float類型變量Position用來存儲當(dāng)前賽道掃描結(jié)果。程序如下：void getInfo(void){int k=8。int m=0,i=0,j=0。float c=0,d=0。while(k!=0) { hw_adc_convertstart(0, 12, 12)。//ADC0 while(( ADC0_SC1A amp。 ADC_SC1_COCO_MASK ) != ADC_SC1_COCO_MASK)。 {RightAD=ADC0_RA。 ADC0_SC1A amp。= ~ADC_SC1_COCO_MASK。 } RightEye= RightAD + RightEye。 k。} RightEye= RightEye/8。 //求平均 }獲取當(dāng)前掃描數(shù)據(jù)后，就要對數(shù)據(jù)進(jìn)行處理，提取賽道信息，以便對賽道分類，判斷特殊賽道類型。根據(jù)傳感器測值和計(jì)算，Position的值和兩端傳感器電壓的比值（LvR）成正比關(guān)系，計(jì)算Position的程序如下：void DirecionCalculate(void) { int i=0，m=0,j=0,k=0。float position_final=0。int LvR_final_int=0。if(LvR_final=1){LvR_final=1。}if(LvR_final=1){LvR_final=1。}LvR_final_int=(LvR_final+1)*100。position_final=kLine*LvR_final。 position= position_final。//賦值結(jié)束}丟線處理：盡管我們盡量讓他緊跟著中線，但是還是無法避免會出現(xiàn)丟線的情況，在兩個電感采回來的值都很小的情況下，我們是這樣處理的：程序里左右兩個電感都有其最小值，這是我們實(shí)際測回來的值。在兩個電感丟線，即兩電感值都很小之前總有一個電感是先比另一個電感小于其最小值的，如賽道從左邊丟了，那么肯定是右邊電感先小于其最小值，知道這個情況則可以作標(biāo)志位。這樣我們則可以獲得準(zhǔn)確的信息。兩車距離獲取：根據(jù)規(guī)則只能提取前車的圖像信息。以攝像頭圖像為參考系，前車的位置和姿態(tài)信息包括在圖像中的位置和相對轉(zhuǎn)角。圖2中，(a)是前車相對轉(zhuǎn)角0度，(b)是相對轉(zhuǎn)角45度，(c)是相對轉(zhuǎn)角90度。(a)相對轉(zhuǎn)角0度(b)相對轉(zhuǎn)角45度(c)相對轉(zhuǎn)角90度圖2 前車相對于攝像頭視野的轉(zhuǎn)角圖像掃描行列找到車模圖像的四個頂點(diǎn)的坐標(biāo)，就可以計(jì)算出車模相對夾角以及車模幾何中心位置。θ(x3, y3)a(x2, y2)(x1, y1)(x4, y4)bO圖3 前車姿態(tài)示意圖如圖3，設(shè)前車四個頂點(diǎn)坐標(biāo)(xk , yk)，(k=1, 2, 3, 4)，攝像頭視角中心線與前車軸線間的夾角為θ，則有：tanθ=a/ b=(y3y4)/(x3x4)，在程序處理中選擇用tanθ定性判斷賽道類型，而不需要對θ進(jìn)行計(jì)算。同時(shí)可求得前車的幾何中心點(diǎn)O的位置(xO, yO)：xO=(x1+x3)/2 , yO=(y2+y4)/2根據(jù)xO對后車進(jìn)行PID控制，根據(jù)tanθ和yO對后車速度進(jìn)行控制從而調(diào)整輛車間距。 iv、使用LED燈定位抗干擾在實(shí)際情況下，賽道上會有干擾，根據(jù)規(guī)則，賽道背景顏色不確定，賽道上可能會有干擾色塊或反光，同時(shí)在行進(jìn)中，前車可能會從后車的視野中丟失，因此僅用形狀提取前車信息容易發(fā)生誤判，如圖4所示為賽道色塊干擾和車模圖像信息。(a)車模圖像和車模的擺放位置(b) 干擾色塊(鼠標(biāo)墊)圖像和擺放位置圖4 車模和干擾色塊的圖像如圖5，賽道外信息和車模圖像連在一起時(shí)對車模姿態(tài)信息的提取及跟蹤掃描帶來了困難。圖5 車模在彎道時(shí)與背景連在一起為了解決這些問題，給前車幾何中心處加裝一個LED燈，圖6所示為加裝LED等后的前車圖像。(a)車模在直道 (b)車模在彎道圖6 加裝LED燈后的車模圖像通過判斷黑色斑塊中是否有白色亮斑，白色亮斑在黑色斑塊中的相對位置及大小，可以有效地排除干擾信息。同時(shí)，LED安裝在車模中心，可省略計(jì)算前車中心位置的程序。另外，白色亮斑的位置可作為下次掃描的起始位置，提高了前車信息的提取效率。在設(shè)計(jì)的過程中，對LED光源的波長需要進(jìn)行選擇，既能降低功耗，同時(shí)避免反光干擾。原始圖像信息的處理：攝像頭拍攝到的圖像需要處理，圖像的處理分硬件和軟件兩部分。硬件主要是二值化，軟件進(jìn)行去噪和畸變矯正。圖像在采集、傳輸和二值化處理的過程中會產(chǎn)生噪點(diǎn)，這些噪點(diǎn)在存儲圖像信息的過程中通過判決算法去除。二值化和去噪點(diǎn)后進(jìn)行畸變矯正?；兂C正主要針對鏡頭光學(xué)特性導(dǎo)致的失真和架設(shè)角度導(dǎo)致的透視變形。這些畸變影響對前車姿態(tài)信息提取的準(zhǔn)確性。廣角鏡頭失真嚴(yán)重，影響較大是桶形失真，通過原圖形和畸變圖形的坐標(biāo)關(guān)系，對畸變的圖形進(jìn)行坐標(biāo)關(guān)系的逆變換[1]。桶形失真在X方向上（橫向）和Y方向上（縱向）的失真程度一般不同，所以在X和Y上的校正系數(shù)也不同，矯正計(jì)算公式如下：x＇=k1? [1+k2x(x2+y2)] ?x , y＇=k1? [1+k2y(x2+y2)] ?y式中k2x和 k2y分別為X和Y方向上的校正系數(shù)。校正系數(shù)的測定是用MATLAB對實(shí)拍圖像矯正調(diào)試得到。圖1(a)、(b)是桶形失真校正前后對比。攝像頭安裝位置導(dǎo)致圖像因?yàn)橥敢曣P(guān)系產(chǎn)生梯形變形[2]。 通過拍攝黑色網(wǎng)格，并用MATLAB進(jìn)行相應(yīng)變換，比照輸出結(jié)果與原圖像即可測定相關(guān)系數(shù)校正梯形失真[3]。x=(k1?x＇+k2?y＇+k3)/(k7?x＇+k8?y＇+1)y=(k4?x＇+k5?y＇+k6)/(k7?x＇+k8?y＇+1)式中(x＇, y＇)和(x, y)分別是校正前后圖像像素點(diǎn)的坐標(biāo)，ki(i=1, 2, ……,8)是矯正比例系數(shù)，通過選擇特征點(diǎn)的對應(yīng)關(guān)系求得。圖1(c)是梯形校正后的圖像(使用白底黑色等間距網(wǎng)格作為被拍物)。(a)原始圖像 (b)桶形矯正后 (c)梯形矯正后圖1 畸變矯正前后圖像對比 PID控制原理PID控制以其結(jié)構(gòu)簡單、穩(wěn)定性好、工作可靠、調(diào)整方便而成為工業(yè)控制的主要技術(shù)之一。當(dāng)被控對象的結(jié)構(gòu)和參數(shù)不能完全掌握，或得不到精確的數(shù)學(xué)模型時(shí)，系統(tǒng)控制器的結(jié)構(gòu)和參數(shù)必須依靠經(jīng)驗(yàn)和現(xiàn)場調(diào)試來確定，這時(shí)應(yīng)用PID控制技術(shù)最為方便。PID控制就是根據(jù)系統(tǒng)的誤差，利用比例(P)、積分(I)、微分(D)計(jì)算出控制量進(jìn)行控制的。目前PID控制在工業(yè)控制系統(tǒng)中無處不見，隨著控制效果的要求不斷提高，PID逐漸向智能化發(fā)展，但形形色色的現(xiàn)代控制理論最終還是源自經(jīng)典PID理論。PID解決了自動控制理論所要解決的最基本問題，既系統(tǒng)的穩(wěn)定性、快速性和準(zhǔn)確性。調(diào)節(jié)PID的參數(shù)，可實(shí)現(xiàn)在系統(tǒng)穩(wěn)定的前提下，兼顧系統(tǒng)的帶載能力和抗擾能力，同時(shí)，在PID調(diào)節(jié)器中引入積分項(xiàng)，系統(tǒng)增加了一個