CN111123954A - 一种基于灰度摄像头检测的智能车控制系统及方法 - Google Patents
一种基于灰度摄像头检测的智能车控制系统及方法 Download PDFInfo
- Publication number
- CN111123954A CN111123954A CN202010057790.2A CN202010057790A CN111123954A CN 111123954 A CN111123954 A CN 111123954A CN 202010057790 A CN202010057790 A CN 202010057790A CN 111123954 A CN111123954 A CN 111123954A
- Authority
- CN
- China
- Prior art keywords
- trolley
- circuit
- intelligent vehicle
- steering engine
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
Abstract
本发明属于人工智能、智能控制技术领域,公开了一种基于灰度摄像头检测的智能车控制系统及方法,传感器检测模块用于利用CMOS灰度摄像头、超声波测距传感器以及电磁感应装置获取道路信息;同时用于利用增量式编码器获取小车实时速度数据;核心处理器对检测到的各种数据进行相应处理,获取小车期望速度,进行障碍物识别;同时进行小车速度的变换控制和舵机转向控制;输出执行机构,包括舵机、电机以及小车。本发明公开了一种利用多传感器辅助检测来获取更多的道路信息、进行规划决策、智能信息处理的控制系统,能够保障小车严格遵循预订轨迹行驶、对复杂的路径能做出有效的判断、提高小车的寻迹效率。
Description
技术领域
本发明属于人工智能、智能控制技术领域,尤其涉及一种基于灰度摄像头检测的智能车控制系统及方法。
背景技术
目前,最接近的现有技术:目前,世界上许多国家将目光投向信息链的前端---信息获取与处理,高端传感器与智能感知已发展为现代科技的前沿技术,掀起了以“无线化,泛在化,智能化,网络化”等为基本特征的第三次信息化浪潮,强化智能信息获取和智能信息处理。本发明便是一个集环境感知、规划决策、智能信息处理、多功能辅助、等功能于一体的综合系统,集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术,是典型的高新技术综合体。
机器人是高新技术研究的产物,通过机械结构设计、控制电路设计、软件设计,实现整个机器人的运动,并完成规定的任务。寻迹智能小车(寻迹机器人)是机器人的一种,已有数十年历史。当前,寻迹智能小车在娱乐、青少年科普、创新竞赛等领域有着越来越高的应用价值,推动了智能车的控制系统研究水平。未来,在自动驾驶、智能控制、物流运输等领域,智能车的研究成果将具备广泛的应用前景,借助电磁检测、图像识别、智能控制等技术,将使得寻迹智能车更加智能,能够在更多的领域代替人类,推动自动化领域的发展。
但是,目前许多智能寻迹小车,通常只设置了数个红外线光电传感器用于检测寻迹,有着对检测的效率不高、只适用极少的场合、没有避障能力和智能停车、控制系统不完备等缺点,严重影响的寻迹智能车完成任务的成功率。
综上所述,现有技术存在的问题是:现有智能寻迹小车主要利用红外线光电传感器实现,检测的效率不高、只适用极少的场合、不具备避障能力和智能停车功能,且控制系统不完备,严重影响的寻迹智能车完成任务的成功率。于是,本发明采用以灰度摄像头检查提高检查效率、多传感器辅助检测来获取更多的道路信息、进行规划决策、智能信息处理的控制系统,用于解决避障、停车以及能在复杂道路中行驶的问题。
解决上述技术问题的难度:用灰度摄像头代替了传统的红外检测,提高检查效率的同时,也加大了芯片数据的运算量,考虑的问题也会更多;使用超声波传感器检查即可使小车具备避障能力,但容易将坡道误判为障碍,为解决这一问题则需要用摄像头参与判断;为了让智能车适应复杂的道路,需要对各种不同类型的赛道进行分析,进行决策规划。当小车图像识别异常时,改用电磁寻线,可以防止光线过大导致小车无法图像识别运行;传感器较多时,就需要设计出相应的电路图并具有较好的抗干扰能力,对数字信号和模拟信号的处理就会有一定难度。
解决上述技术问题的意义,智能车的检查效率的提高,将显著地提高小车控制系统的稳定性,保障小车严格遵循预订轨迹行驶、对复杂的路径能做出有效的判断、提高小车的寻迹效率。将使得寻迹智能车更加智能,能够在更多的领域代替人类,推动自动化领域的发展。
发明内容
针对现有技术存在的问题,本发明提供了一种基于灰度摄像头检测的智能车控制系统及方法。
本发明是这样实现的,一种基于灰度摄像头检测的智能车控制系统,所述基于灰度摄像头检测的智能车控制系统包括:
传感器检测模块、核心处理器、输出执行机构;
传感器检测模块,用于利用CMOS灰度摄像头、超声波测距传感器以及电磁感应装置获取道路信息;同时用于利用增量式编码器获取小车实时速度数据,
核心处理器,采用单片机作为核心处理器;用于基于图像处理算法、PID算法对传感器检测模块检测到的各种数据进行相应处理,获取小车期望速度,进行障碍物识别;同时进行小车速度的变换控制和舵机转向控制;
输出执行机构,包括舵机、电机以及小车。用于执行核心处理器发出的指令。
进一步,所述基于灰度摄像头检测的智能车控制系统硬件设备包括:
单片机、CMOS灰度摄像头、超声波测距传感器、电磁感应装置、舵机、电机、小车以及电源模块电路、传感器模块电路、驱动电路和指示灯电路;
所述CMOS灰度摄像头位于舵机后方,所述电磁感应装置安装于舵机前方,所述超声波传感器安装于舵机前部;
所述电源模块电路包括:利用18650锂电池提供电源的电源硬件电路,包括多个稳压电路;
所述稳压电路包括:
3.3V电压,用于为单片机,CMOS摄像头提供电压;
5V电压,用于为超声波传感器,增量式编码器以及OLED显示、指示灯及其他接口提供电压;
6V电压,用于为舵机提供工作电压;
7.2V电压,可直接取用锂电池两端的电压,用于为电机提供电压;
所述传感器模块电路、驱动电路、时钟电路,复位电路和指示灯电路均与单片机连接。
本发明的另一目的在于提供一种应用于所述基于灰度摄像头检测的智能车控制系统的基于灰度摄像头检测的智能车控制方法,所述基于灰度摄像头检测的智能车控制方法包括:
步骤一,进行时钟初始化,编码器正交解码初始化,舵机与电机PID参数初始化,摄像头初始化,舵机与电机初始化,按键初始化,中断初始化,LCD初始化;并调整模块运行参数;
步骤二,判断图像采集是否正常,若正常则转入步骤三,若不正常则启动电磁感应装置根据电磁引导线进行寻迹,并则转入步骤四;
步骤三,利用摄像头采集图像,并对采集的图像进行信息预处理,转向步骤四;
步骤四,判断是否进出入特殊赛道,若是,则对特殊赛道元素进行处理;若否,则进行正常中线拟合;
步骤五,根据提取到的边界拟合中线,控制舵机转向;
步骤六,判断是否到达终点,若是,则停止控制小车;若否,则返回步骤二。
进一步,所述步骤二之前还需进行:
首先,将摄像头对准赛道,获取图像;
其次,将获取的图像传入上位机中,并截取部分图像;
然后,将截取的图像导入Matlab中进行梯形校正,逆透视变换,调整参数,生成图像校正表和反矫正表;
最后,把生成的校正表导入单片机中,进行图像矫正。
进一步,步骤二中,所述图像信息预处理包括:
确定采集图像大小,对图像进行压缩,使用跳变沿阈值判断黑白分界用以确定赛道边界。
进一步,步骤四中,所述对特殊赛道元素进行处理包括:
(1)直接遍历扫描最底部三行的图像,根据跳变沿提取边界;
(2)确定赛道宽度,在赛道宽度内提取有效赛道边沿;
(3)利用赛道的连续性,在上一行边界位置附近搜索本行边界;
(4)判断是否出现失真丢线,若出现,则对有效的整个左右赛道边界进行记录;若没有失真丢线,则记录补线记录边界;
(5)求和除二得到中线数组,提取拟合中线。
进一步,所述通过边界拟合中线对特殊赛道元素处理还包括:按照中间数组权重大,上下权重小的原则分配权重。
进一步,所述特殊赛道元素包括直道和弯道、十字路、横断路障、圆环和起跑线。
进一步,步骤五中,所述舵机转向控制包括:
采用位置式PID进行舵机转向控制,并利用本次PID进行差速控制,代入电机增量式PID中,进行串级PID控制电机。
进一步,所述基于灰度摄像头检测的智能车控制方法还包括:
当存在横断路障时,采用如下控制方法:
1)通过采用纵向搜线的方式识别横断路障,且用超声波测距传感器作为辅助判断;
2)判断成功后,利用开环控制,采用打一个定角出去,再反打定角回来;离障碍越近,打角越大的方法进行智能车控制;
圆环:
识别圆环切点之前赛道的宽度由大到小,再由小变大,即可为判断圆环,进行补线;
起跑线判断:
采用横向搜线的方式,如果搜索到3个以上左右边界,即可判断为起跑线,控制发车和停车。
本发明的另一目的在于提供一种构建所述基于灰度摄像头检测的智能车控制系统的基于灰度摄像头检测智能车控制系统构建方法,所述基于灰度摄像头检测智能车控制系统构建方法包括:
第一步,进行元器件的选择与安装;
第二步,设计与制作硬件电路;
第三步,车模组装;
第四步,确定控制算法与策略;
第五步,硬件系统改良、测试功能并改良控制系统。
进一步,第二步中,所述设计与制作硬件电路包括:
首先,设计硬件电路原理图;
其次,采用Altium Designer设计PCB板:设置PCB设计环境,确定格点大小、板层参数、布线参数;规划电路板,确定边框;导入设计好的硬件电路原理图原理图;进行零件封装、零件布局。
本发明另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的基于灰度摄像头检测的智能车控制方法。
本发明另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述的基于灰度摄像头检测的智能车控制方法。
综上所述,本发明的优点及积极效果为:本发明以灰度摄像头传感器为主检测,多传感器辅助,在获取道路信息、进行规划决策、智能信息处理之后,在无人干预的情况下能自主地驱动小车行驶,实现控制目标的智能控制系统。
本发明以恩智浦半导体公司的MK60FX512VLQ15(32位)单片机作为核心处理器,该处理器具有256KB闪存,以及可以扩展非常丰富的模拟、数字、通信、定时和控制外设,可以轻松访问MCU I/O引脚;采用ARM Cortex-M4内核,运行频率为150MHz,不仅具备更加强大的性能,还拥有更高的存储容量,为智能小车的运动控制提供了充分的保障。本发明采用CMOS灰度摄像头MT9V032图像采集模块、超声波测距模块、电磁传感器获取道路信息,以满足对复杂道路信息的采集。其中MT9V032摄像头采集的是灰度图像,比传统的黑白摄像头采集的信息量更充足;超声波传感器和摄像头传感器结合识别障碍物,比用超声波传感器单一判断要更精准;当摄像头采集出现异常或没有扫描到赛道时,用电磁传感器根据地面的电磁引导线进行寻迹,为小车能持续,稳定的在赛道上行驶提供了进一步保障。
本发明在硬件系统设计上,电路简洁紧凑,尤其是电源管理部分,减少系统负载,提高了小车的灵活性;采用RN380电机和Futaba S3010舵机等作为执行机构,结构简单,性能好;采取增量式编码器获取小车实时速度实现小车的闭环调速。
本发明对采集的图像利用Matlab进行处理,矫正,变换,解决了摄像头采集的图像发生畸变,对赛道采集的信息产生不良影响的问题;同时本发明能够有效对不同类型的赛道分别进行处理,使小车在较为复杂的赛道元素中能按比赛规定路线行驶,针对性强;在小车的转向和调速上使用了串级PID调节,其中转向采用位置式PID,闭环调速上采用增量式PID,提高了小车稳定性。
本发明公开了一种利用多传感器辅助检测来获取更多的道路信息、进行规划决策、智能信息处理的控制系统,能够保障小车严格遵循预订轨迹行驶、对复杂的路径能做出有效的判断、提高小车的寻迹效率。
本发明智能车后轮驱动电机型号为RN380电机,工作在7.2V电压下,空载转速为15000+500rpm,最大输出功率为20W。通过电机驱动模块,控制电机驱动两端电压,可以使小车加速或制动。本发明的电机驱动电路采用MOS芯片BTN7971,有着大电流,高驱动的特点;隔离芯片74HC244,供电电压为5V,最大限度保护单片机;有滤波电容,能有效对电源滤波。
本发明采用Altium Designer软件平台设计PCB电路板,设计出的PCB板具有良好电路性能和散热性能。在满足了可靠、高效的前提下,尽量的减少了元器件的使用数量,减小了PCB板的面积,有效的减轻整车重量,降低模型车的重心位置。
本发明采取增量式编码器获取小车实时速度,相当于对电机的反馈系统动态实时的获取干扰信息,在与PID控制算法结合,形成基本的干扰观测补偿的复合控制。有效的抑制了外界干扰,使系统模型更加理想。
故本发明提供的基于灰度摄像头检测的智能车控制装置,相对于传统的红外寻迹智能车控制装置,采用的方案提高了寻线精度和效率,不仅能对直道和弯道进行判断、而且十字路、横断路障、圆环和起跑线等复杂道路元素也能进行有效判断;当小车图像识别异常时,改用电磁寻线,可以防止光线过大导致小车无法图像识别运行;当前方障碍在设定距离的情况时,进行转向避障,此时超声波传感器和摄像头传感器结合以检测前方障碍距离,能比单一超声波传感器判断更准确。
附图说明
图1是本发明实施例提供的基于灰度摄像头检测的智能车控制系统结构示意图。
图中:1、传感器检测模块;2、核心处理器;3、输出执行机构。
图2是本发明实施例提供的基于灰度摄像头检测的智能车控制系统原理图。
图3是本发明实施例提供的电源模块的电路结构示意图。
图4是本发明实施例提供的基于灰度摄像头检测的智能车控制方法流程图。
图5是本发明实施例提供的基于灰度摄像头检测的智能车控制方法原理图。
图6是本发明实施例提供的拟合中线流程图。
图7是本发明实施例提供的执行机构控制方法流程图。
图中:(a)对图像处理原理图;(b)电机PID控制原理图。
图8是本发明实施例提供的基于灰度摄像头检测智能车控制系统构建方法流程图。
图9是本发明实施例提供的芯片电源电路、驱动电路、传感器模块电路和指示灯电路图。
图中:(a)芯片电源电路;(b)驱动电路;(c)传感器模块电路和指示灯电路。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种基于灰度摄像头检测的智能车控制系统,下面结合附图对本发明作详细的描述。
如图1-图2所示,本发明实施例提供的基于灰度摄像头检测的智能车控制系统包括:
传感器检测模块1、核心处理器2、输出执行机构3。
传感器检测模块1,用于利用CMOS灰度摄像头、超声波测距传感器以及电磁感应装置获取道路信息;同时用于利用增量式编码器获取小车实时速度数据。
核心处理器2,采用单片机作为核心处理器;用于基于图像处理算法、PID算法对传感器检测模块1检测到的各种数据进行相应处理,获取小车期望速度,进行障碍物识别;同时进行小车速度的变换控制和舵机转向控制。
输出执行机构3,包括舵机、电机以及小车。用于执行核心处理器发出的指令。
如图3所示,本发明实施例提供的基于灰度摄像头检测的智能车控制系统硬件设备包括:
单片机、CMOS灰度摄像头、超声波测距传感器、电磁感应装置、舵机、电机以及小车以及电源模块电路、传感器模块电路、驱动电路、时钟电路,复位电路和指示灯电路。
所述CMOS灰度摄像头位于舵机后方,所述电磁感应装置安装于舵机前方,所述超声波传感器安装于舵机前部。
所述电源模块电路包括:利用18650锂电池提供电源的电源硬件电路,还包括多个稳压电路。
所述稳压电路包括:
3.3V电压,用于为单片机,CMOS摄像头提供电压。
5V电压,用于为超声波传感器,增量式编码器以及OLED显示、指示灯及其他接口提供电压。
6V电压,用于为舵机提供工作电压。
7.2V电压,可直接取用锂电池两端的电压,用于为电机提供电压。
所述传感器模块电路、驱动电路、时钟电路,复位电路和指示灯电路均与单片机连接。
如图4-图5所示,本发明实施例提供的基于灰度摄像头检测的智能车控制方法包括:
S101,进行时钟初始化,编码器正交解码初始化,舵机与电机PID参数初始化,摄像头初始化,舵机与电机初始化,按键初始化,中断初始化,LCD初始化;并调整模块运行参数。
S102,判断图像采集是否正常,若正常则转入步骤S103,若不正常则启动电磁感应装置根据电磁引导线进行寻迹,并则转入步骤S104。
S103,利用摄像头采集图像,并对采集的图像进行信息预处理,转向步骤S104;
S104,判断是否进出入特殊赛道,若是,则对特殊赛道元素进行处理;若否,则进行正常中线拟合。
S105,根据提取到的边界拟合中线,控制舵机转向。
S106,判断是否到达终点,若是,则停止控制小车;若否,则返回步骤S102。
本发明实施例提供的步骤S102之前还需进行:
首先,将摄像头对准赛道,获取图像。
其次,将获取的图像传入上位机中,并截取部分图像。
然后,将截取的图像导入Matlab中进行梯形校正,逆透视变换,调整参数,生成图像校正表和反矫正表。
最后,把生成的校正表导入单片机中,进行图像矫正。
步骤S102中,本发明实施例提供的图像信息预处理包括:
确定采集图像大小,对图像进行压缩,使用跳变沿阈值判断黑白分界用以确定赛道边界。
如图6所示,步骤S104中,本发明实施例提供的对特殊赛道元素进行处理包括:
(1)直接遍历扫描最底部三行的图像,根据跳变沿提取边界。
(2)确定赛道宽度,在赛道宽度内提取有效赛道边沿。
(3)利用赛道的连续性,在上一行边界位置附近搜索本行边界。
(4)判断是否出现失真丢线,若出现,则对有效的整个左右赛道边界进行记录;若没有失真丢线,则记录补线记录边界。
(5)求和除二得到中线数组,得到拟合中线。
本发明实施例提供的对特殊赛道元素处理还包括:按照中间数组权重大,上下权重小的原则分配权重。
本发明实施例提供的特殊赛道元素包括直道和弯道、十字路、横断路障、圆环和起跑线。
如图7所示,步骤S105中,本发明实施例提供的舵机转向控制包括:
采用位置式PID进行舵机转向控制,并利用本次PID进行差速控制,代入电机增量式PID中,进行串级PID控制电机。图中:(a)对图像处理原理图;(b)电机PID控制原理图。
本发明实施例提供的基于灰度摄像头检测的智能车控制方法还包括:
当存在横断路障时,采用如下控制方法:
1)通过采用纵向搜线的方式识别横断路障,且用超声波测距传感器作为辅助判断。
2)判断成功后,利用开环控制,采用打一个定角出去,再反打定角回来;离障碍越近,打角越大的方法进行智能车控制。
圆环:
识别圆环切点之前赛道的宽度由大到小,再由小变大,即可为判断圆环,进行补线。
起跑线判断:
采用横向搜线的方式,如果搜索到3个以上左右边界,即可判断为起跑线,控制发车和停车。
如图8所示,本发明实施例提供的基于灰度摄像头检测智能车控制系统构建方法包括:
第一步,进行元器件的选择与安装。
第二步,设计与制作硬件电路。
第三步,车模组装。
第四步,确定控制算法与策略。
第五步,硬件系统改良、测试功能并改良控制系统。
第二步中,本发明实施例提供的设计与制作硬件电路包括:
首先,设计硬件电路原理图。
其次,采用Altium Designer设计PCB板:设置PCB设计环境,确定格点大小、板层参数、布线参数;规划电路板,确定边框;导入设计好的硬件电路原理图原理图;进行零件封装、零件布局。
如图9所示,本发明实施例提供的芯片电源电路、驱动电路、传感器模块电路和指示灯电路图。图中:(a)芯片电源电路;(b)驱动电路;(c)传感器模块电路和指示灯电路。
下面结合具体实施例对本发明的技术方案作进一步说明。
实施例1:
本发明涉及的智能车控制系统采用如下技术方案:
本发明提供的智能车控制系统以恩智浦半导体公司的MK60FX512VLQ15(32位)单片机作为核心处理器,采用以CMOS灰度摄像头MT9V032图像采集模块为主、超声波测距模块和电磁感应装置辅助获取道路信息,通过图像处理算法直接处理灰度数组对赛道元素进行识别,并获得期望速度;同时采取增量式编码器获取小车实时速度,接着利用PID算法实现对小车速度的闭环控制和舵机转向控制。在测试中,以上的整个控制系统设计可以有效地保证小车在赛道上平稳快速的行驶。
设计智能车的控制系统是制作智能车的核心环节。它由传感器采集、信号处理、控制算法、执行机构四个部分组成,其中以单片机为核心,配有传感器,执行机构以及它们的驱动电路构成了控制系统的硬件;信号处理和控制算法由单片机中的软件控制完成。因此,智能车的控制系统设计可分为硬件系统设计和软件系统设计两个部分。
本发明的硬件系统可为电源模块电路、传感器模块电路、驱动电路、以及(时钟电路,复位电路和指示灯电路等)较为简单的电路。
更具体地,在所述基于摄像头检测的智能车控制系统,硬件电路的电源模块电路中,电源模块为系统中其它各个模块提供所需要的电源,是智能车运动的基础和前提条件,因此设计稳定可靠的电源电路尤为重要。全部硬件电路的电源由18650锂电池提供(7.2V,2000mA),由于电路系统由各个不同模块电路组成,所需要的供电电压和电流也所不同。所以,需设计多个稳压电路完成。
主要有:
3.3V电压:主要为MK60FX512VLQ15(K60)单片机,CMOS摄像头MT9V032提供电压。
5V电压:超声波传感器,增量式编码器及如OLED显示,指示灯等接口电路。
6V电压:主要为S3010舵机提供工作电压。
7.2V电压:主要用于电机驱动,可直接取用锂电池两端的电压。
其中3.3V部分为核心部分,且容易受到干扰,可单独加一个稳压芯片,减少各模块之间相互干扰,减小噪声。
更具体地,在所述基于摄像头检测的智能车控制系统,硬件电路的驱动电路中,智能车后轮驱动电机型号为RN380电机,工作在7.2V电压下,空载转速为15000+500rpm,最大输出功率为20W。通过电机驱动模块,控制电机驱动两端电压,可以使小车加速或制动。本发明的电机驱动电路采用MOS芯片BTN7971,有着大电流,高驱动的特点;隔离芯片74HC244,供电电压为5V,最大限度保护单片机;有滤波电容,能有效对电源滤波。
更具体地,在所述基于摄像头检测的智能车控制系统,硬件电路的电路板设计中,采用Altium Designer软件平台设计PCB电路板,设计出的PCB板具有良好电路性能和散热性能。在满足了可靠、高效的前提下,尽量的减少了元器件的使用数量,减小了PCB板的面积,有效的减轻整车重量,降低模型车的重心位置。
更具体地,在所述基于摄像头检测的智能车控制系统中,摄像头安于舵机后方,电磁感应装置安装于其前方,超声波传感器安装于舵机前部,有利于重心分布,电磁信号采集,盲区与前瞻的匹配;
智能车的软件系统是设计的关键部分,本发明的软件系统可主要分为系统初始化,图像采集与处理,小车转向和调速的串级PID控制。
更具体地,在所述基于摄像头检测的智能车控制系统,软件系统的系统初始化中,系统的运行首先需要初始化,进而对一些模块参数进行调整。初始化顺序依次为:时钟初始化,编码器正交解码初始化,舵机与电机PID参数初始化,摄像头初始化,舵机与电机初始化,按键初始化,中断初始化,LCD初始化。
更具体地,在所述基于摄像头检测的智能车控制系统,软件系统的图像采集与处理中,采用摄像头提取道路信息不可避免的会出现一种问题,那就是摄像头畸变对赛道信息造成的影响,本发明先用摄像头对准赛道,传入上位机中,然后截取部分图像,把图像导入Matlab中进行梯形校正,逆透视变换,调整好参数,生成图像校正表和反矫正表。把生成的校正表导入MK60FX512VLQ15核心处理器中,这样采集得到的图像将会得到修正。CMOS灰度摄像头MT9V032默认采集得到的是一幅188*120灰度图像,其中宽为188,高为120。一幅灰度图像远比黑白图像信息量要大,若使用合适的图像处理对赛道元素的判断也定然更为准确;同时经过测试,在阳光不均匀的情况下,用灰度图像处理能更为有效找出赛道左右边界;故并不将图像进行二值化。图像处理基本顺序为:对采集的图像信息预处理,通过边界拟合中线,对特殊赛道元素处理。如十字路、横断路障、圆环和起跑线等。
更具体地,在所述基于摄像头检测的智能车控制系统,软件系统的转向和调速的串级PID控制中,对于小车转向,采用了位置式PID,并利用本次PID进行差速控制,代入电机增量式PID中,实现串级PID控制电机。经测试,该方法用于调速十分稳定。其中采取增量式编码器获取小车实时速度,相当于对电机的反馈系统动态实时的获取干扰信息,在与PID控制算法结合,形成基本的干扰观测补偿的复合控制。有效的抑制了外界干扰,使系统模型更加理想。
更具体地,在所述基于摄像头检测的智能车控制系统中,本发明的软件系统设计主要在IAR Embedded Workbench IDE平台下进行的,该平台是一个非常有效的集成开发环境(IDE),它使用户充分有效地开发并管理嵌入式应用工程。作为一个开发平台,他具备较为完善的特性。
实施例2:
如图2所示,本发明实施例提供的基于灰度摄像头检测的智能车控制系统由传感器采集、信号处理、控制算法、执行机构四个部分组成,其中以恩智浦半导体公司的MK60FX512VLQ15(32位)单片机作为核心处理器,采用以CMOS灰度摄像头MT9V032图像采集模块为主、超声波测距模块和电磁感应装置辅助获取道路信息,通过图像处理算法直接处理灰度数组对赛道元素进行识别,并获得期望速度;同时采取增量式编码器获取小车实时速度,接着利用PID算法实现对小车RN380电机的闭环控制和S3010舵机转向控制。最终整个控制系统设计可以有效地保证小车在赛道上平稳快速的行驶。
如图参考图2控制系统设计与制作流程,本发明的智能车控制系统的设计与制作步骤可具体分为6个部分:元器件的选择与安装、硬件电路的设计与制作、车模组装、软件控制算法与策略、硬件系统改良、测试功能和改良控制系统。经过讨论和测试,小车的自动控制系统选用以单片机MK60FX512VLQ15为核心,CMOS灰度摄像头MT9V032为图像采集模块并以HC-SR04超声波测距模块作为辅助判断;采用RN380电机和Futaba S3010舵机等作为执行机构,配合电池以及相应的驱动电路;在硬件电路的基础上,利用道路检测信息和小车运行参数信息,并通过软件控制算法进行一系列计算;最终使小车能自主识别路径,对不同类型的赛道做出反应,稳定快速地运行在赛道上。
更具体地,在所述控制系统设计与制作流程的硬件电路的设计与制作中,硬件电路原理图完成后,不合格的电路板可能导致较大的信号干扰,出现发热过大等现象。在满足功能的前提下,设计出具有良好电路性能和散热性能的PCB板也非常重要。采用AltiumDesigner设计PCB板基本流程有:设置PCB设计环境(格点大小、板层参数、布线参数等)、规划电路板(确定边框)、导入原理图及零件封装、零件布局(采用交互式布局)。
在绘制智能车PCB板途中,PCB主控板应简洁且紧凑,节约空间,尽量的减少元器件的使用数量,减小PCB板的面积,使的PCB板尽量的轻便小巧,以减轻整车重量和降低模型车的重心位置。其中需要注意的有:
1.功率器件与控制器件的GND应该隔离,以防止前者干扰后者,可以使用0欧电阻;滤波电容尽量靠近需要滤波的模块,不用的引脚不要悬空,用10K电阻拉高或拉低,可以降低电磁干扰。
2.在布局方面,同一模块尽量靠近,采用交互式布局比较方便。
3.在布线方面,上层和下层的线最好垂直(如上层整体横着布线,下层整体竖着布线),可以减少信号干扰,布线起来也更为方便;各类线的布线线宽不同,其中电源线和地线较粗。
4.在结构方面,使元器件的排布和电路的走线美观整齐,尽量采用对称结构,可以使小车更好的平衡。
参考图3电源模块的电路结构,全部硬件电路的电源由18650锂电池提供(7.2V,2000mA),由于电路系统由各个不同模块电路组成,所需要的供电电压和电流也所不同。所以,需设计多个稳压电路完成。主要有:
3.3V电压:主要为MK60FX512VLQ15(K60)单片机,CMOS摄像头MT9V032提供电压。
5V电压:超声波传感器,增量式编码器及如OLED显示,指示灯等接口电路。
6V电压:主要为S3010舵机提供工作电压。
7.2V电压:主要用于电机驱动,可直接取用锂电池两端的电压。
其中3.3V部分为核心部分,且容易受到干扰,可单独加一个稳压芯片,减少各模块之间相互干扰,减小噪声。
参考图5软件系统设计总流程图,首先系统的运行需要初始化,进而对一些模块参数进行调整。初始化顺序依次为:时钟初始化,编码器正交解码初始化,舵机与电机PID参数初始化,摄像头初始化,舵机与电机初始化,按键初始化,中断初始化,LCD初始化。接着是图像采集与处理采用摄像头提取道路信息不可避免的会出现一种问题,那就是摄像头畸变对赛道信息造成的影响,我们先用摄像头对准赛道,传入上位机中,然后截取部分图像,把图像导入Matlab中进行梯形校正,逆透视变换,调整好参数,生成图像校正表和反矫正表。把生成的校正表导入MK60FX512VLQ15核心处理器中,这样采集得到的图像将会得到修正。CMOS灰度摄像头MT9V032默认采集得到的是一幅188*120灰度图像,其中宽为188,高为120。一幅灰度图像远比黑白图像信息量要大,若使用合适的图像处理对赛道元素的判断也定然更为准确;同时经过测试,在阳光不均匀的情况下,用灰度图像处理能更为有效找出赛道左右边界;故并不将图像进行二值化。图像处理基本顺序为:对采集的图像信息预处理,通过边界拟合中线,对特殊赛道元素处理。接着是图像信息预处理,在对图像进行寻边界拟合中线之前,需要对图像的一些基本信息进行提取和处理。首先是对采集图像大小的确定,默认为188*120,但采集和处理数据过大,同时需要看的远才能保证小车及时动作,故最终选用188*80分辨率。然后对图像进行压缩,以减轻单片机处理图像负荷,可以取偶数对列减半,故图像数组由image[80][188]变为image[80][94]。由于使用的是灰度图像进行的处理,所以需要一个跳变沿阈值来判断黑白分界用以确定赛道边界。经过测试,黑为0白为255,边界跳变沿阈值取20较为合适。
更具体地,在软件系统设计总流程图中,中线拟合方法如图4所示,图像处理采用了赛道边沿提取的方法,基本思路如下:
1、直接遍历扫描最底部三行的图像,根据跳变沿提取边界。
2、确定赛道宽度,在赛道宽度内提取有效赛道边沿,这样可以有效的滤除不在宽度范围内的干扰。
3、利用赛道的连续性,在上一行边界位置附近搜索本行边界。
4、对整个左右赛道边界记录后,求和除二得到中线数组。
5、由于摄像头可能会失真丢线,可以用两点法补线。
6、在权重分配问题上,因为远处容易丢线,底部数据会使小车滞后反应,故中间的数组占的权重较大,上下的权重较小。
更具体地,在软件系统设计总流程图中,特殊赛道元素有直道和弯道、十字路、横断路障、圆环和起跑线等。其中,通过提取中线已经可以在直道和弯道以及十字路行驶;在图像采集不正常时启动电磁感应装置根据电磁引导线进行寻迹。
针对横断路障,采用识别其本身的方法,因为路障有颜色,其灰度值与白色赛道有明显差异,可以采用纵向搜线的方式识别障碍,且用超声波测距传感器作为辅助判断,加大稳定性。判断成功后,可以用开环控制,打一个定角出去,再反打定角回来;离障碍越近,打角越大。针对圆环主要是识别圆环切点之前赛道的宽度由大到小,再由小变大,即可为判断圆环后,进行补线。针对起跑线,采用横向搜线的方式,如果搜索到3个以上左右边界,即可判断为起跑线,控制发车和停车。
参考图6执行机构控制方法及流程图,在软件系统的转向和调速的串级PID控制中,对于小车转向,采用了位置式PID,并利用本次PID进行差速控制,代入电机增量式PID中,实现串级PID控制电机。经测试,该方法用于调速十分稳定。其中采取增量式编码器获取小车实时速度,相当于对电机的反馈系统动态实时的获取干扰信息,在与PID控制算法结合,形成基本的干扰观测补偿的复合控制。有效的抑制了外界干扰,使系统模型更加理想。
具体C程序代码如下:
下面结合具体实验对本发明作进一步描述。实验中,智能车能对直道和弯道进行判断、而且在十字路、横断路障、圆环和起跑线等复杂道路元素也能进行有效判断;当小车图像识别异常时,切换电磁寻线,在电磁引导线寻线下可以正常运行;当前方障碍在设定距离的情况时,进行转向避障,有效避开障碍;最后方案能实现小车稳定快速地行驶。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于灰度摄像头检测的智能车控制系统,其特征在于,所述基于灰度摄像头检测的智能车控制系统包括:
传感器检测模块,用于利用CMOS灰度摄像头、超声波测距传感器以及电磁感应装置获取道路信息;同时用于利用增量式编码器获取小车实时速度数据;
核心处理器,采用单片机作为核心处理器;用于基于图像处理算法、PID算法对传感器检测模块检测到的各种数据进行相应处理,获取小车期望速度,进行障碍物识别;同时进行小车速度的变换控制和舵机转向控制;
输出执行机构,包括舵机、电机以及小车,用于执行核心处理器发出的指令。
2.如权利要求1所述基于灰度摄像头检测的智能车控制系统,其特征在于,所述基于灰度摄像头检测的智能车控制系统进一步包括:
单片机、CMOS灰度摄像头、超声波测距传感器、电磁感应装置、舵机、电机以及电源模块电路、传感器模块电路、驱动电路、时钟电路,复位电路和指示灯电路;
所述CMOS灰度摄像头位于舵机后方,所述电磁感应装置安装于舵机前方,所述超声波传感器安装于舵机前部;
所述电源模块电路包括:利用锂电池提供电源的电源硬件电路,以及多个稳压电路;
所述稳压电路包括:
3.3V电压,用于为单片机,CMOS摄像头提供电压;
5V电压,用于为超声波传感器,增量式编码器以及OLED显示、指示灯及其他接口提供电压;
6V电压,用于为舵机提供工作电压;
7.2V电压,直接取用锂电池两端的电压,用于为电机提供电压;
所述传感器模块电路、驱动电路、时钟电路,复位电路和指示灯电路均与单片机连接。
3.一种应用于如权利要求1-2所述基于灰度摄像头检测的智能车控制系统的基于灰度摄像头检测的智能车控制方法,其特征在于,所述基于灰度摄像头检测的智能车控制方法包括:
步骤一,进行时钟初始化,编码器正交解码初始化,舵机与电机PID参数初始化,摄像头初始化,舵机与电机初始化,按键初始化,中断初始化,LCD初始化;并调整模块运行参数;
步骤二,判断图像采集是否正常,若正常则转入步骤三,若不正常则启动电磁感应装置根据电磁引导线进行寻迹,并则转入步骤四;
步骤三,利用摄像头采集图像,并对采集的图像进行信息预处理,转向步骤四;
步骤四,判断是否进出入特殊赛道,若是,则对特殊赛道元素进行处理;若否,则进行正常中线拟合;
步骤五,根据提取到的边界拟合中线,控制舵机转向;
步骤六,判断是否到达终点,若是,则停止控制小车;若否,则返回步骤二。
4.如权利要求3所述基于灰度摄像头检测的智能车控制方法,其特征在于,所述步骤二之前还需进行:
首先,将摄像头对准赛道,获取图像;
其次,将获取的图像传入上位机中,并截取部分图像;
然后,将截取的图像导入Matlab中进行梯形校正,逆透视变换,调整参数,生成图像校正表和反矫正表;
最后,把生成的校正表导入单片机中,进行图像矫正。
5.如权利要求3所述基于灰度摄像头检测的智能车控制方法,其特征在于,步骤二中,所述图像信息预处理包括:
确定采集图像大小,对图像进行压缩,使用跳变沿阈值判断黑白分界用以确定赛道边界;
步骤四中,所述对特殊赛道元素进行处理包括:
(1)直接遍历扫描最底部三行的图像,根据跳变沿提取边界;
(2)确定赛道宽度,在赛道宽度内提取有效赛道边沿;
(3)利用赛道的连续性,在上一行边界位置附近搜索本行边界;
(4)判断是否出现失真丢线,若出现,则对有效的整个左右赛道边界进行记录;若没有失真丢线,则记录补线记录边界;
(5)求和除二得到中线数组,得到拟合中线。
6.如权利要求5所述基于灰度摄像头检测的智能车控制方法,其特征在于,所述通过边界拟合中线对特殊赛道元素处理还包括:按照中间数组权重大,上下权重小的原则分配权重;
所述特殊赛道元素包括直道和弯道、十字路、横断路障、圆环和起跑线。
7.如权利要求3所述基于灰度摄像头检测的智能车控制方法,其特征在于,步骤五中,所述舵机转向控制包括:
采用位置式PID进行舵机转向控制,并利用本次PID进行差速控制,代入电机增量式PID中,进行串级PID控制电机。
8.如权利要求3所述基于灰度摄像头检测的智能车控制方法,其特征在于,所述基于灰度摄像头检测的智能车控制方法还包括:
当存在横断路障时,采用如下控制方法:
1)通过采用纵向搜线的方式识别横断路障,且用超声波测距传感器作为辅助判断;
2)判断成功后,利用开环控制,采用打一个定角出去,再反打定角回来;离障碍越近,打角越大的方法进行智能车控制;
圆环:
识别圆环切点之前赛道的宽度由大到小,再由小变大,即可为判断圆环,进行补线;
起跑线判断:
采用横向搜线的方式,如果搜索到3个以上左右边界,即可判断为起跑线,控制发车和停车。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求3-8任意一项基于灰度摄像头检测的智能车控制方法。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求3-8任意一项所述的基于灰度摄像头检测的智能车控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010057790.2A CN111123954A (zh) | 2020-01-19 | 2020-01-19 | 一种基于灰度摄像头检测的智能车控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010057790.2A CN111123954A (zh) | 2020-01-19 | 2020-01-19 | 一种基于灰度摄像头检测的智能车控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111123954A true CN111123954A (zh) | 2020-05-08 |
Family
ID=70489821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010057790.2A Pending CN111123954A (zh) | 2020-01-19 | 2020-01-19 | 一种基于灰度摄像头检测的智能车控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111123954A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111552303A (zh) * | 2020-07-03 | 2020-08-18 | 湖北师范大学 | 一种基于硬件二值化摄像头检测的智能小车控制装置及控制方法 |
CN112286200A (zh) * | 2020-11-06 | 2021-01-29 | 湖北师范大学 | 自动驾驶方法、装置、车辆及计算机可读存储介质 |
CN113218403A (zh) * | 2021-05-14 | 2021-08-06 | 哈尔滨工程大学 | 惯性视觉组合式定位的agv系统 |
CN113734194A (zh) * | 2021-08-10 | 2021-12-03 | 杭州电子科技大学信息工程学院 | 智能车、控制系统、控制方法、计算机设备、智能终端 |
CN114973832A (zh) * | 2022-06-02 | 2022-08-30 | 北京航空航天大学 | 一种基于软件在环的智能车虚拟仿真教学系统 |
-
2020
- 2020-01-19 CN CN202010057790.2A patent/CN111123954A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111552303A (zh) * | 2020-07-03 | 2020-08-18 | 湖北师范大学 | 一种基于硬件二值化摄像头检测的智能小车控制装置及控制方法 |
CN112286200A (zh) * | 2020-11-06 | 2021-01-29 | 湖北师范大学 | 自动驾驶方法、装置、车辆及计算机可读存储介质 |
CN113218403A (zh) * | 2021-05-14 | 2021-08-06 | 哈尔滨工程大学 | 惯性视觉组合式定位的agv系统 |
CN113734194A (zh) * | 2021-08-10 | 2021-12-03 | 杭州电子科技大学信息工程学院 | 智能车、控制系统、控制方法、计算机设备、智能终端 |
CN113734194B (zh) * | 2021-08-10 | 2023-01-20 | 杭州电子科技大学信息工程学院 | 智能车、控制系统、控制方法、计算机设备、智能终端 |
CN114973832A (zh) * | 2022-06-02 | 2022-08-30 | 北京航空航天大学 | 一种基于软件在环的智能车虚拟仿真教学系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111123954A (zh) | 一种基于灰度摄像头检测的智能车控制系统及方法 | |
CN104375509B (zh) | 一种基于rfid和视觉的信息融合定位系统及方法 | |
CN103054522B (zh) | 一种清洁机器人系统及其测控方法 | |
CN102591342B (zh) | 基于电子罗盘的割草机器人局部路径规划方法 | |
CN102662402B (zh) | 一种用于赛道的摄像头智能循迹车模 | |
CN113962246B (zh) | 融合双模态特征的目标检测方法、系统、设备及存储介质 | |
CN207373182U (zh) | 一种自走式变电站巡检装置 | |
CN108490931B (zh) | 基于改进Sobel算子的智能车行驶控制系统及方法 | |
CN204256521U (zh) | 一种基于rfid和视觉的信息融合定位系统 | |
CN210895129U (zh) | 一种基于灰度摄像头检测的智能车控制装置 | |
CN220465262U (zh) | 充电桩及充电桩系统 | |
CN203133607U (zh) | 恒照度视觉自动导引车 | |
CN109572855B (zh) | 一种爬坡机器人 | |
Mao et al. | Design of visual navigation system of farmland tracked robot based on raspberry pie | |
Lisang et al. | Design and implementation of intelligent tracking car based on machine vision | |
CN205665589U (zh) | 一种基于面阵ccd传感器的循迹系统 | |
Adachi et al. | Practical Implementation of Visual Navigation Based on Semantic Segmentation for Human-Centric Environments | |
CN103576679A (zh) | 基于硬件二值化的视觉信号高速采集系统 | |
CN113734194B (zh) | 智能车、控制系统、控制方法、计算机设备、智能终端 | |
CN103159136A (zh) | 主动视觉控制的天车精确定位系统 | |
CN109551525A (zh) | 一种基于机器视觉的物体回收装置及回收方法 | |
CN211786769U (zh) | 一种高效低成本的平衡小车巡线系统 | |
Liu et al. | An intelligent logistics navigation device based on SLAM dual radar | |
CN203786558U (zh) | 一种基于arm9两轮微电脑鼠快速连转冲刺伺服系统 | |
CN218866331U (zh) | 一种多车通信的电磁循迹智能车控制系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |