CN104965511A - 一种基于任意路径规划的智能小车实时视频回传系统 - Google Patents

Abstract

本发明为一种基于任意路径规划的智能小车实时视频回传系统，由智能小车、智能移动终端、控制服务器和视频图像传输系统组成。其实现过程是，通过对在智能移动终端上获取的任意路径进行分析，使用全新的路径规划算法提取出能够还原所划轨迹的坐标信息，将这些坐标信息通过3G网络传送给控制服务器，控制服务器负责智能移动终端的接入鉴权和数据处理，将接收到的坐标信息转化为智能小车的行驶指令信息，通过WiFi网络将指令信息传送给小车，智能小车根据收到的指令进行自主行驶。同时，基于OpenWrt的视频图像传输系统将智能小车在行进过程中拍摄到的视频信息进行回传，通过外部网络可以在另一台终端上通过浏览器访问的方式查看这些视频图像信息。

Description

一种基于任意路径规划的智能小车实时视频回传系统

技术领域

本发明涉及一种基于任意路径规划的智能小车实时视频回传系统，属于智能控制技术领域。

背景技术

智能小车，从本质上来说是移动机器人的一种。随着世界经济的快速发展，机器人的发展从某种程度上体现了一个国家科学技术水平的高低。本智能小车不同于遥控小车，后者需要人们来控制其转向、进退和启停，比较先进的遥控车还能控制其速度。我们在日常生活中见到的模型小车，都属于这类遥控小车。而本智能小车则无需人工干预，可以通过计算机编程来实现对其行驶方向、启停以及速度的控制。操作人员通过命令来改变它的行驶状态。

智能小车，即轮式移动机器人，特别适合工作在那些人类无法工作的环境中，它们已经在许多工业生产部门获得广泛认可以及应用。在某些应用场合，比起人类，它们可以更有效率地工作并且相对来说成本更加低廉。特别是在灾后救援领域急需智能小车的应用，例如矿难以及地震后的救援活动。煤矿井下有许多交错的巷道和突发的危险情况，工作环境异常恶劣，智能小车作为移动机器人一种，可以在恶劣危险的环境中完成复杂的活动。近年来我国因矿难事故而丧生的死亡人数越来越多，一方面是由于安全生产确实存在隐患，而另一方面也是由于救援工作的不及时，或者在救援过程中矿井再次坍塌、瓦斯爆炸等一系列突发事件延误了救援工作或造成二次损失，所以开发出硬件完善并且适合于救援的智能小车进行矿井救援迫在眉睫。智能小车可以协助救护人员深入矿井，完成具有一定危险性的救援工作，将伤亡人数降到最少。由于矿难事故而丧生的人数越来越多，而可应用于矿井救援、能够在各种高危险性环境下工作的工具却非常少。特别是目前我国煤矿开采生产安全仍存在着较大隐患，能够在发生事故后深入矿井协助搜救人员的智能小车显得尤为重要。智能小车可以进入救援人员无法进入的区域，配以由小车传回的视频信息，可以让救援人员清楚地了解地震情况并做好相应的部署。因此，对智能小车的研究对现在救援领域具有相当的意义和应用前景。

发明内容

技术问题：本发明主要目的在于设计并实现一种可以由服务器控制行驶并可以将视频图像实时回传的智能小车装置。

技术方案：本发明装置由智能移动终端、智能小车、控制服务器、视频图像传输系统组成。

所述的智能小车包含四轮直流电机车体、arduino控制板、电机驱动、以及为实现各种功能搭载的硬件装置；

所述的视频图像传输系统包含有基于OpenWrt的TP-LINK WR703N WiFi模块、HD720P摄像头、WiFi信号放大器等硬件设备；

所述的智能移动终端包含有Android操作系统、触控显示屏、CPU以及无线网卡模块；

所述的控制服务器为一个应用程序，负责智能移动终端的接入鉴权、管理控制以及车控信息的传输。

智能移动终端如智能手机、平板电脑或其它智能移动设备。操作者在基于Android平台的智能移动终端路径规划APP中画出希望智能小车运动的轨迹，由新的路径规划算法选取其中的能还原所画轨迹的有效坐标，将这些坐标发送给服务器。其中，新的路径规划算法包含了基于最小二乘法的等距取点法和其优化算法角度门限判决法；

智能小车中，计数模块加入的码盘能准确测量小车移动距离，使其对小车行驶控制更加精确高效；

控制服务器负责接收这些坐标的具体信息并且根据我们设置的比例尺将坐标转化为智能小车转向的角度和前进的距离信息，再将这些信息传送给小车的控制系统，控制服务器起到了连接智能移动终端和智能小车的桥梁作用；

视频图像传输系统将智能小车行驶过程中采集到的视频信息传输进行回传，其他终端登陆浏览器输入网址即可看到小车拍摄的视频信息；

控制服务器和智能移动终端之间可以通过3G网络或其他蜂窝网络进行连接。控制服务器与AP点以及小车与AP点之间通过WiFi技术来进行指令或图像等数据的传输。

1.系统工作过程包括以下5个步骤：

11)控制服务器与智能移动终端通过无线信道连接，无线信道为3G网络；控制服务器负责智能移动终端的接入和管理控制；

12)在基于Android平台的智能移动终端路径规划APP中发出请求，划出操作者希望智能小车运动的轨迹，通过等距取点法消除屏幕毛刺干扰，进一步通过角度门限判决法选取有效坐标并发送给服务器，控制服务器负责接收这些坐标信息并且根据设置的比例尺将坐标转化为智能小车转向的角度和前进的距离信息，再将这些信息通过WiFi传送给小车的控制系统；

13)智能小车WiFi模块收到控制信息并转发给arduino控制板，智能小车根据收到的指令遵循轨迹做相应的行驶动作；

14)智能小车将运动过程中车身装载的摄像头拍摄到的视频信息回传进行回传，其他终端可以通过浏览器访问的方式查看小车拍摄的视频信息；

15)智能小车到达目标后，控制服务器仍与视频传送系统保持连接，发送视频图像信息，智能移动终端与控制服务器等保持待机状态，等待下一次的行驶指令。

2.Android平台的智能移动终端路径规划APP中，用来提取所划路径有效坐标信息的路径规划算法是等距取点法和角度门限判决法。

其中等距取点法的3个步骤为：

21)输入坐标点集P＝{(x_i,y_i)},0＜i＜n；

22)根据消除屏幕毛刺现象的原则，确定取点间隔d，并求出总误差函数  $E(r,d)=\underset{j=r}{\overset{\frac{n}{d}-1}{\mathrm{\Σ}}}\underset{k=j}{\overset{d}{\mathrm{\Σ}}}\frac{{(x_j,y_k+x_k{y}_{j+d}+x_{j+d}{y}_j-y_j{x}_k-y_k{x}_{j+d}-y_{j+d}{x}_j)}^2}{{(x_j-x_{j+d})}^2+{(y_j-y_{j+d})}^2}$ 的最小值E(r_m,d)；

23)最后得到输出坐标点集 $P_{l_1}=\left\{(x_i,y_i)\right|i=r_m+{\mathrm{kd}}_0,k=\mathrm{0,1,2},...\};$

角度门限判决法的3个步骤为：

24)输入由等距取点法得到的坐标点集

25)由递推公式 ${\mathrm{\α}}_j=|\arctan \frac{y_i-y_j}{x_i-x_j}-\arctan \frac{y_j-y_{j+1}}{x_j-x_{j+1}}|$ 求出中除起点和终点外的每个点的转动角并将其与门限值γ比较，选取转动角大于γ的点；

26)最后得到坐标点集发送给服务器。

有益效果：

1.智能小车集按需行驶、视频回传于一身；

2.智能小车移动距离可精确至厘米级；

3.通过外部网络访问视频信息，方便高效；

4.车身小巧，适应狭小环境；

5.智能终端便于携带，APP操作简单。 

附图说明

图1是本发明装置的结构原理图。

图2是本发明装置的控制端原理图。

图3是安卓客户端中的等距取点法示意图。

图4是采用等距取点算法之后的路径拟合示意图。

图5、图6是安卓客户端中门限判决算法的示意图。

具体实施方式

下面结合说明书附图对本发明作进一步地详细说明。

本发明装置的结构原理图如图1所示，由智能移动终端、控制服务器、视频图像传输系统以及智能小车系统组成。控制服务器与智能移动终端通过3G网络相连，控制服务器和智能小车都与同一个外网路由AP相连，进行数据交换，同时外网上的其他客户端可以通过访问浏览器方式查看小车采集的视频信息。

本发明装置的控制端原理图如图2所示。智能移动终端包含有Android系统、触控显示屏、处理器以及无线网卡模块。控制服务器执行根据路径规划算法编写的路径规划程序，通过2001端口将控制指令发送给小车。路由AP为外网路由器，其他客户端可以通过浏览器访问其IP下的8003端口查看小车采集的视频信息。

用户打开智能移动终端的路径规划APP，启动控制服务器以及打开小车的电源，根据APP中加载好的地图划出希望小车运动的路径。智能移动终端将这条路径抽象为一系列的二维点坐标，通过等距取点法消除由于屏幕取点像素精度高或是用户划轨迹时手指微小抖动等原因引起的毛刺干扰，进一步通过角度门限判决法选取尽可能少的坐标来最大程度还原用户所划的轨迹，并将选取的坐标通过 3G网络发送给控制服务器。控制服务器执行路径规划程序，根据得到的点和比例尺信息计算出智能小车行驶距离及转动角度信息，转换成控制指令，通过WiFi网络发送给小车。小车根据收到的指令进行相应的行驶动作并通过摄像头采集视频信息进行回传。

小车将采集的视频图像信息回传给服务器，外网的其他客户端可以通过访问浏览器的方式观看这些视频。

等距取点法：用户所划轨迹的坐标(x_i,y_i)的集合称作轨迹坐标点集，记作

P＝{(x_i,y_i)},0＜i＜n，

其中，n为记录的坐标点的总个数。P为有序集合。把发送的指令坐标点集记作P_l，l为方法名。

等距取点法是在轨迹坐标点集中以一定的偏移量开始等间距的选取坐标点来作为发送指令的内容，通过该方法得出的指令坐标点集为

$P_{l_1}=\left\{(x_i,y_i)\right|i=r+\mathrm{kd},k=\mathrm{0,1,2},...\}$

其中，d表示取点的间距，且当d＝1时表示连续取点，而r表示指令初始点相对于轨迹初始点的偏移量，且满足0≤r＜d。通过该取点算法，最后将得到n/d个点的坐标。

该算法原理是基于最小二乘法的直线拟合。如图3，我们可以看到曲线代表轨迹坐标点集，点A，B，C，D代表随机等间隔选取的坐标点，连接这些点形成的折线代表小车的运动轨迹，在点B、K、C形成的局部，如图4所示，我们用直线BC去拟合轨迹的BC段，所造成的误差我们用轨迹BC上的点到直线BC的距离的二次方来表示，以图中的K点为例，K的离差即线段可以用两倍ΔBKC的面积与线段长度比值来求得，离差的平方即是轨迹BC段上K点的误差，表达式为

${\mathrm{\ϵ}}_{\mathrm{BKC}}={\left(\frac{{2S}_{\mathrm{\ΔBKC}}}{\stackrel{\‾}{\mathrm{BC}}}\right)}^2=\frac{{|\stackrel{\→}{\mathrm{BK}}\×\stackrel{\→}{\mathrm{BC}}|}^2}{{\left|\stackrel{\‾}{\mathrm{BC}}\right|}^2}$

其中，K表示轨迹BC段中的一点。假设点B坐标为(x_j,y_j)，点C的坐标为(x_j+d,y_j+d)，BC段或者说第j点到第j+d点段上的误差总和为

${\mathrm{\ϵ}}_{j,j+d}=\underset{k=j}{\overset{d}{\mathrm{\Σ}}}\frac{{(x_j,y_k+x_k{y}_{j+d}+x_{j+d}{y}_j-y_j{x}_k-y_k{x}_{j+d}-y_{j+d}{x}_j)}^2}{{(x_j-x_{j+d})}^2+{(y_j-y_{j+d})}^2}$

其中，k表示轨迹坐标点集P中第k个点，且满足j≤k＜j+d。将轨迹上每一段的误差总和累加，得到总误差函数为

$E(r,d)=\underset{j=r}{\overset{\frac{n}{d}-1}{\mathrm{\Σ}}}{\mathrm{\ϵ}}_{j,j+d},$

给定d₀时，上式存在最小值E(r_m,d₀)，因此通过等距取点法筛选出的指令坐标点集为

$P_{l_1}=\left\{(x_i,y_i)\right|i=r_m+{\mathrm{kd}}_0,k=\mathrm{0,1,2},...\}.$

角度门限判决法：若轨迹上某点附近曲线的转动角超过一个门限值γ，则该点被选入指令坐标点集，否则不被选用。由于难以推导复杂轨迹的函数表达式，轨迹上某点的曲率难以计算，因此我们引入新的参量转动角α，来反映该点附近曲线偏离直线的程度。第j点附近曲线的转动角定义为

${\mathrm{\&alpha;}}_j=|\arctan \frac{y_i-y_j}{x_i-x_j}-\arctan \frac{y_j-y_{j+1}}{x_j-x_{j+1}}|,0\&le;i<j<n.$

上式为递推公式，该点附近曲线的转动角与曲线的初始点有关，而转动角的判决门限γ是由小车所能转过的最小角度来决定的。

算法原理如图5，点A，B，C，D是轨迹坐标点集P中起始的四个点，它们所在的曲线代表轨迹，直线AB和直线BC形成的夹角∠CBE即为B点的转动角，假设我们设定门限值为γ＝15°，那么显然∠CBE小于该门限，表示曲线ABC偏离直线的程度不够，所以点B被舍弃。我们接着对直线AC和直线CD形成的转动角进行判决，如图6所示，此时∠DCF＞15°，表明曲线ACD偏离直线的程度以符合我们的判决标准，因此C点被选入指令坐标点集中，并且下次判定时，D点附近曲线的起始点就从A变成C，其他判决过程与上述过程类似。该判决过程忽略了轨迹的起点和终点，所以最后的指令坐标点集还需加上原轨迹的起点和终点，得到

通过该法，便能达到以尽可能少的坐标来最大程度上还原用户所划轨迹的目的。

Claims (2)

1.一种基于任意路径规划的智能小车实时视频回传系统，其特征在于，包括：由智能小车、视频图像传输系统、智能移动终端、控制服务器组成；

所述的智能小车包含四轮直流电机车体、arduino控制板、电机驱动、HD720P摄像头以及为实现各种功能搭载的硬件装置；

所述的视频图像传输系统包含有基于OpenWrt的TP-LINK WR703N WiFi模块、HD720P摄像头、WiFi信号放大器等硬件设备；

所述的智能移动终端包含有Android操作系统、触控显示屏、CPU以及无线网卡模块；

系统工作过程包括以下5个步骤：

11)控制服务器与智能移动终端通过无线信道连接，无线信道为3G网络；控制服务器负责智能移动终端的接入和管理控制；

12)在基于Android平台的智能移动终端路径规划APP中发出请求，划出操作者希望智能小车运动的轨迹，通过等距取点法消除屏幕毛刺干扰，进一步通过角度门限判决法选取有效坐标并发送给服务器，控制服务器负责接收这些坐标信息并且根据设置的比例尺将坐标转化为智能小车转向的角度和前进的距离信息，再将这些信息通过WiFi传送给小车的控制系统；

13)智能小车WiFi模块收到控制信息并转发给arduino控制板，智能小车根据收到的指令遵循轨迹做相应的行驶动作；

14)智能小车将运动过程中车身装载的摄像头拍摄到的视频信息回传进行回传，其他终端可以通过浏览器访问的方式查看小车拍摄的视频信息；

15)智能小车到达目标后，控制服务器仍与视频传送系统保持连接，发送视频图像信息，智能移动终端与控制服务器等保持待机状态，等待下一次的行驶指令。

2.根据权利要求1所述的系统，其特征在于，步骤12)中：用来提取所划路径有效坐标信息的路径规划算法是等距取点法和角度门限判决法，

其中等距取点法的3个步骤为：

21)输入坐标点集P＝{(x_i,y_i)},0＜i＜n；

22)根据消除屏幕毛刺现象的原则，确定取点间隔d，并求出总误差函数 $E(r,d)=\underset{j=r}{\overset{\frac{n}{d}-1}{\&Sigma;}}\underset{k=j}{\overset{d}{\&Sigma;}}\frac{{(x_j{y}_k+x_k{y}_{j+d}+x_{j+d}{y}_j-y_j{x}_k-y_k{x}_{j+d}-y_{j+d}{x}_j)}^2}{{(x_j-x_{j+d})}^2+{(y_j-y_{j+d})}^2}$ 的最小值E(r_m,d)；

23)最后得到输出坐标点集 $P_{l_1}=\left\{(x_i,y_i)\right|i=r_m+{\mathrm{kd}}_0,k=0,1,2,\mathrm{...}\};$

角度门限判决法的3个步骤为：

24)输入由等距取点法得到的坐标点集

25)由递推公式 ${\mathrm{\&alpha;}}_j=|\arctan \frac{y_i-y_j}{x_i-x_j}-\arctan \frac{y_j-y_{j+1}}{x_j-x_{j+1}}|$ 求出中除起点和终点外的每个点的转动角并将其与门限值γ比较，选取转动角大于γ的点；

26)最后得到坐标点集发送给服务器。