智能車攝像頭設計-資料下載頁
2025-02-11 17:13本頁面
【正文】 過程中會出現兩段黑線情況，這種圖像信息比較復雜，這時可能存在三種路況： ? （ 1）賽道比較密集時，檢測到多條賽道； ? （ 2）大“ S”彎道； ? （ 3）“十”字交叉道。 ?處理策略為：保留最底下的一段，這主要是從安全角度考慮的，防止賽道周圍環(huán)境對小車的干擾。 圖像濾波算法 ?另外，由于智能車上安裝的攝像頭相對于賽道存在一定的傾斜角度，因此會造成采集到的賽道圖像具有一定的梯形失真，即圖像中的賽道遠端窄、近端寬，因而也會對路徑的正確識別產生影響。對于這種失真，可以通過對每行提取的賽道位置添加一個線性修正值來消除，一般通過實驗的方法確定線性補償的系數。 控制策略及控制算法 ?1．賽道參數的計算 ?2．轉向控制 ?3．速度控制 1．賽道參數的計算 ?影響賽車速度成績的一個重要因素就是對彎道和直道的提前識別判斷，從而實現安全過彎，快速過直道、 S彎道，以提高比賽成績。而攝像頭方案在這方面有天然的優(yōu)勢：相對于光電管傳感器，可以獲得較遠的路徑信息；不僅可以得到單行的黑線信息，還可以同時獲得多行的黑線信息。經過圖像處理算法后，得到的信息是關于前瞻范圍內的黑線的具體位置，它一般是一個二維數組linepos[i][j]?，F在就是要從這個二維數組中提取出智能車前方的路徑信息，以便于后面轉向和速度的控制。 1．賽道參數的計算 ?（ 1）偏差的計算 ?（ 2）曲率的計算 （ 1）偏差的計算 ?為了使小車運行得快而穩(wěn)，聯想到光電管方案可以從一維數組 linepos[j]中提煉出一個黑線距離車身中心軸的偏差量 Offset，要求出這個偏差量必須至少考慮三個因素： ? 最遠行黑線位置 linepos[topline] ? 黑線平均位置 averlinepos ? 全白行行數 whiteline_sum （ 2）曲率的計算 ?從理論上講，相對于偏差量 Offset，曲率是智能車更好的一個控制變量。但由于路徑檢測單元的局限性，很難計算出非常精確的曲率。 ?如果用曲率值進行智能車方向及速度的輔助控制，還是能夠起到一定的效果的。 2．轉向控制 ?轉向控制采用了分段比例和前饋補償相結合的控制方法。 ? （ 1）分段比例控制 ? （ 2）前饋補償控制 （ 1）分段比例控制 ?因為小車處于彎道和直道的轉向模型不同，若采用統一的比例系數設置，那么該系數過大會導致小車振蕩，過小會導致最大控制量偏小，小車轉向不足，過彎時易沖出賽道。使用分段比例控制既方便又可以解決以上兩種問題。 （ 2）前饋補償控制 ?由于 CMOS方案不像光電管方案，它存在圖像失真的情況，越遠地方的圖像失真越厲害，而對于計算 offset偏差量來說，越遠的路徑信息越有參考價值，故其比重也相對較大。這樣，就導致小車轉向微調時的效果往往不太如人意。 ?鑒于此，在小車前述的分段比例控制基礎上又加入了前饋補償控制進行微調。 3．速度控制 ?（ 1）模糊控制設定速度 ?（ 2） PID控制調整速度 （ 1）模糊控制設定速度 ?因為小車比賽的賽道是未知的，彎道的分布情況也不能確定，小車可能頻繁地進出彎道，不停地調整速度來適應不同軌跡。這樣就難以建立精確的數學模型，且賽車對動態(tài)性能的要求較高 ?考慮到該款 S12單片機有一套特色指令 —— 模糊控制指令，執(zhí)行時間只有幾十微妙級（時鐘頻率為 25 MHz），不會影響決策周期，且簡單易行，而模糊控制具有處理不明確信號的能力，故可以采用模糊控制設定速度。 （ 1）模糊控制設定速度 ?1）模糊輸入、輸出量的選取 ?2）隸屬函數的確定 ?3）模糊規(guī)則庫的建立 ?4）模糊推理及解模糊化 （ 2） PID控制調整速度 ?速度調整要求對智能車的速度的調整既要快速，又要準確，而且不能頻繁波動。故采用 PID控制算法不失為一種簡單而有效的策略。 （ 2） PID控制調整速度 ?考慮到攝像頭方案的控制周期較長，假設按 m/s的平均速度計算，則一個控制周期小車大概可以跑過 5 cm，如果按這種周期用上述 PID調節(jié)速度，則會導致加速、減速均過長的后果，嚴重地影響小車的快速性和穩(wěn)定性。 ?為了解決這個問題，可以在 PID調速控制中加入BANGBANG控制思想。 思考題 ? 1．攝像頭型智能車相對于光電管型智能車的優(yōu)勢體現在何處？ ? 2．攝像頭型智能車相對于光電管型智能車的優(yōu)勢體現在何處？ ? 3．若賽道中的一段出現空白，攝像頭型智能車如何識別路徑，并保持正確的行進方向？ 思考題 ? 4．攝像頭型智能車如何區(qū)分賽道中的十字交叉線與賽道的起始端線？ ? 5．簡述在機械安裝中，攝像頭裝配高度和裝配俯角大小對智能車行駛的影響。
教學課件相關推薦
鄂ICP備17016276號-1