【正文】 } TIM2SRamp。moto_B1=0。moto_B1=0。break。 //啟動 // case PAI_ZHAO: break。 // case KONG_ZHI_JIE_MIAN: break。moto_A2=1。moto_B2=1。break。moto_A2=1。moto_B2=0。break。moto_A2=1。moto_B2=0。break。moto_A2=0。moto_B2=0。 } }}void TIM2_IRQHandler(void){ if(TIM2SRamp。break。 // if(a%400==0amp。b++) { FIFO_RD_L。 for(a=0。a_i++) { while(!(lNRF24L01_RxPacket(tmp_buf1)==0amp。 //拍照 } } } for(a_i=0。 switch(control) { case KONG_ZHI_JIE_MIAN: mode=0。 FIFO_RD_H。b32。 FIFO_RD_H。 if(b%2==0)tmp_buf[bb++]=GPIOEIDR。a++) { delay_us(2000)。 for(a=0。 FIFO_RRST_H。 FIFO_RD_H。 FIFO_RRST_L。a10。 FIFO_RD_L。a76800。 FIFO_RD_L。 bn=0。 //外部中斷初始化 lwuxian_configurat()。 delay_us(5)。 //延時初始化 Timer2_Init(100,72)。楊導(dǎo)師是一位非常慈祥的老師，他的教學(xué)風(fēng)范，知識豐富，熱情體貼讓我使我受益匪淺。[6]我通過這次畢業(yè)設(shè)計對軟件的開發(fā)有了比較深的體會：1．首先應(yīng)該要有正確的態(tài)度，有耐心毅力，遇到問題是能夠靜下心。我認為良好的編程風(fēng)格與習(xí)慣最主要就是程序的模塊化以及加入一些注釋。其實對于該智能小車，最重要的不是最后的結(jié)果，而是在這段時間里讓我學(xué)會了如何去解決問題，如何才能更好的將所學(xué)的知識運用于實際中，如何建立系統(tǒng)模型等。電量不同是，馬力不同，對轉(zhuǎn)彎弧度和轉(zhuǎn)彎路程均有一定影響。存在諸多因素中，影響較大的有光強、起點坐標、循跡模塊靈敏度及小車重心偏移及兩輪電機的驅(qū)動能力等。通過多次測試小車記錄數(shù)據(jù)可以判斷小車的速度比較快。5 系統(tǒng)的測試 系統(tǒng)測試的目的在做完該智能小車的系統(tǒng)及程序設(shè)計后需要對系統(tǒng)進行測試，來檢測一下系統(tǒng)存在的錯誤以及設(shè)計不合理的地方，還有設(shè)計的系統(tǒng)是否具有很好的穩(wěn)定性。 (2)利用值Tk將圖像分割為兩組——R1，R2其中 R1={f(x,y)|f(x,y)≥Tk} (412)R2={f(x,y)|0≤f(x,y)Tk} (413)(3)計算區(qū)域R1,R2的灰度均值Z1,Z2，其中Z1= (414)Z2= (415)式中f(i,j)是圖像上(i,j)點的灰度值。 E{g1(x,y)}=E{f 1(x,y)+e(x,y)}=E{f1(x,y)} (49)E{g2(x,y)}=E{f 2(x,y)+e(x,y)}=E{f2(x,y)} (410)上式說明，隨著迭代次數(shù)的增加，平均灰度值將趨向于真值。 跑道圖像以及旋轉(zhuǎn)90度后的賽道圖像 圖像處理 攝像頭把路面圖像信號采集過來之后后還要控制器還要對其進行相應(yīng)的處理，通過一定的算法提取出有用的黑線位置，在大多數(shù)情況下我們用最值法，但是這種算法有一個致命的缺陷就是不管怎么智能車有沒有在正確的軌道上，不管智能車有沒有看到黑線，它總能給每行找出一個黑點來。 圖像采集攝像頭的工作原理是按特定的分辨率，以隔行掃描的方式采集圖像上的點，當(dāng)掃描到某點時，就通過圖像傳感芯片將該點處圖像的灰度轉(zhuǎn)換成與灰度相對應(yīng)的電壓值，然后將此電壓值通過視頻信號端輸出。我們采用了重心法把模糊量清晰化，具體公式如下：= (45)式中，Δk*為反模糊化后的精確值，Δkn為模糊量，Δk(Δkn)為模糊量的隸屬度函數(shù)。模糊子集的隸屬度函數(shù)采用三角形函數(shù)。 速度控制算法由上面對PID控制算法和模糊控制算法特點的介紹可以看出，PID控制算法簡單、容易計算機實現(xiàn)，但其參數(shù)的準確整定困難，而模糊控制算法剛好彌補了這一缺陷，因而我們選取模糊PID作為智能車速度和轉(zhuǎn)向的控制算法。 模糊控制有以下的特點： 1. 盡管模糊控制的算法是運用模糊集理論來進行的的計算方法，但是最終得到的控制數(shù)據(jù)時確定的，定量的。[6] ①PID控制介紹PID控制算法是根據(jù)偏差的值，按照一定的函數(shù)關(guān)系進行計算，用所得的運算結(jié)果對系統(tǒng)進行控制。 H橋內(nèi)部電路4 智能車系統(tǒng)軟件設(shè)計 控制算法的簡要介紹智能小車的控制，實際上就是對智能車的運行車速和運行方向的控制，本課題通過對各種算法的比較，最終采用了比較適合的算法——PID控制，PID控制是一種新型的算法，這種算法來源于模糊數(shù)學(xué)模型，模糊推理的控制就是利用了這種算法來實現(xiàn)對圖像的合理處理的。[6] 電機驅(qū)動模塊 電源分配電路設(shè)計電源分配電路中，所用的電池是蓄電池，電池要通過一些電壓的轉(zhuǎn)化電路來實現(xiàn)對電機的驅(qū)動作用，需要將蓄電池的電壓轉(zhuǎn)換過去，這部分，能夠得到穩(wěn)定性和波紋都很好的3,3V直流電壓，可直接利用該直流電壓給單片機和CMOS攝像頭傳感器供電。L298是ST公司生產(chǎn)的一種高電壓、大電流電機驅(qū)動芯片。[4] 系統(tǒng)硬件整體框圖 STM32最小系統(tǒng)的設(shè)計 方案總結(jié)1 電機模塊：直流電機2 控制模塊：Cortexm33 車體選擇：四輪圓形車身4 攝像頭模塊：OV7670模塊 方案框圖。綜合以上分析，為了更好的獲得路況信息和取得大的前瞻，本設(shè)計選擇方案三，并對其進行可改進。利用單片機內(nèi)部的A/D轉(zhuǎn)換器，并配合從視頻信號分離出的同步信息，該單片機可以直接將圖像信號采集到內(nèi)部的RAM中，然后通過軟件對圖像信息進行處理。同時還可以結(jié)合利用單片機內(nèi)部的A/D,在小車的前方虛擬出24個光電傳感器，采用單一傳感器，硬件結(jié)構(gòu)簡單且高速運行時轉(zhuǎn)動慣量小，從而增加了小車的最高速度。但是它易受環(huán)境光線的干擾，而且存在著檢測距離近的的問題，硬件電路復(fù)雜。 8路紅外發(fā)射管方案 3路攝像頭方案在光電循跡方案中，為了得到質(zhì)量較高的接收信號，一般還附加一些電阻電容組成的RC高通濾波器。由于光電傳感器電路板的大小有限，其延伸的距離太短，因此大多制作者通過調(diào)整了光電傳感器與地面信息的的方向，從而使光電傳感器可以獲得更遠地方的路面的跑道情況。利用PWM脈沖驅(qū)動直流電機，可以提高直流電機的精確度，又不會影響其速度的優(yōu)勢。方案二，使用步進電機。車輪表面貼有碼盤，可用紅外實時感測車輪的運動狀態(tài)，并輸入單片機進行實時調(diào)整。左右兩個單向輪，前后兩個萬向輪。方案二，使用四輪矩形車體。綜上所述，綜合考慮時間、性價比和低功耗等因素，我們選擇方案二。 三個方案都能滿足題目要求。方案二，采用STM32系列單片機。根據(jù)OV7670的輸出信號時序就能正確地采集整幀圖像。4. 支持VGA，GIF，和CIF到40x30的各種尺寸。 AL422B，非常適合慢速MCU直接通過I/O采集圖象數(shù)據(jù)，帶OV7670必須的穩(wěn)壓LDO，~5V，I/O直接連接無須電平轉(zhuǎn)換，工作溫度0~50度，鏡頭為全玻璃鏡片， 650nm波段。 OV7670的性能特點與工作方式 OV7670的性能和參數(shù)OV7670是一款采用24腳封裝的芯片，30萬像素CMOS VGA圖像處理傳感器。（并非所有CMOS傳感器都具有這個功能，如果生產(chǎn)廠家沒有給您提供）這個特性在跟蹤、尋的、搜索及室外拍照等的應(yīng)用前景非常之好。 CMOS圖像傳感器的特點 CMOS圖像傳感器的特性（1）光照特性CMOS圖像傳感器的主要應(yīng)用也是圖像的采集，也要求能夠適應(yīng)更寬的光照范圍。實用上應(yīng)盡可能加多并聯(lián)電刷的數(shù)目,采用接觸電壓降小的銅石墨電刷，或用導(dǎo)電和導(dǎo)熱更好的液態(tài)金屬，如水銀或鈉鉀合金等做電刷。此電動勢由電刷從電樞兩端引出。它是一種低壓大電流無換向器的直流電機。 關(guān)于直流電機的簡要介紹直流電機里邊固定有環(huán)狀永磁體，電流通過轉(zhuǎn)子上的線圈產(chǎn)生洛倫磁力，當(dāng)轉(zhuǎn)子上的線圈與磁場平行時，再繼續(xù)轉(zhuǎn)，受到的磁場方向?qū)⒏淖?，因此此時轉(zhuǎn)子末端的電刷跟轉(zhuǎn)換片交替接觸，從而線圈上的電流方向也改變，產(chǎn)生的洛倫磁力方向不變，所以電機能保持一個方向轉(zhuǎn)動。再次，該智能小車需要一個穩(wěn)定的電量來源，給行駛的小車一個可靠的能量儲備，來驅(qū)動小車電機模塊和該智能小車的控制器等模塊的能量利用。智能車首先將路面上的白紙黑線信息進行檢測，再將該智能車的姿態(tài)信息一起送給控制器STM32，控制器STM32將采集過來的路面黑線信息和智能小車的行駛信息的數(shù)據(jù)進行相應(yīng)的處理、分析、決策、最終分別得出對電機的控制量和對智能小車的控制量，并對驅(qū)動電機的轉(zhuǎn)速和轉(zhuǎn)向加以控制，另外，通過速度檢測單元，將電機轉(zhuǎn)速(即智能車的速度)及時的反饋給控制器STM32，從而實現(xiàn)對智能小車的合理控制，即達到實時性也達到對精度的控制。1 智能車系統(tǒng)總體介紹 整體設(shè)計概述本論文所設(shè)計的智能車，能夠?qū)崿F(xiàn)在一個閉環(huán)的跑道上完成自主循線運行的功能，跑道表面通過白紙來覆蓋，其中心有30mm寬度左右的連續(xù)黑線，作為小車運行的引導(dǎo)線。從近來幾年的發(fā)展來看，汽車電子的迅猛發(fā)展必將逐步滿足人們對節(jié)能、安全、環(huán)保以及信息化和智能化的需求。實驗證明，所設(shè)計的智能車具有速度快，適應(yīng)性強的特點。由于智能車有一個比較復(fù)雜跑道，傳統(tǒng)的控制算法在復(fù)雜跑道情況下已經(jīng)無法解決智能車的控制參數(shù)的問題。 指導(dǎo)教師（簽字）： 年 月 日院（