楊 寧 石冰飛 朱 平 周宏輝

(上海電力學(xué)院電力與自動(dòng)化工程學(xué)院1，上海 200090;國(guó)核自儀系統(tǒng)工程有限公司2，上海 200233;寧波市電業(yè)局3，浙江 寧波 315010)

0 引言

自動(dòng)循跡小車作為一種移動(dòng)機(jī)器人，主要應(yīng)用于機(jī)場(chǎng)、倉(cāng)庫(kù)以及其他需要搬運(yùn)設(shè)備的工況中。小車的基本結(jié)構(gòu)由導(dǎo)向模塊、驅(qū)動(dòng)模塊、微處理器、控制模塊、通信模塊、機(jī)械部分和電源模塊構(gòu)成。小車通過(guò)導(dǎo)向傳感器獲取路徑信息，并按一定的精度要求沿正確路徑行駛。目前，比較常用的傳感器有激光傳感器［1－2］、CCD 傳感器和測(cè)距儀等［3－4］。

基于CCD的自動(dòng)循跡小車采用CCD獲取道路信息，通過(guò)圖像處理辨別路面標(biāo)志，并確定小車前方一定范圍內(nèi)的路況。綜合分析道路和速度等相關(guān)信息，采用相應(yīng)的控制策略來(lái)控制小車沿正確的路線前進(jìn)。本文主要介紹所設(shè)計(jì)的基于CCD的自動(dòng)循跡小車的軟件系統(tǒng)，提出軟件設(shè)計(jì)方面的關(guān)鍵問(wèn)題，并探討了圖像信息的采集、處理和舵機(jī)控制策略［5－6］。

1 軟件系統(tǒng)整體設(shè)計(jì)

本設(shè)計(jì)中，要求自動(dòng)循跡小車在一定寬度的白色底黑色引導(dǎo)線的道路上自動(dòng)行駛，并可根據(jù)變化的道路形狀，按行駛要求自主導(dǎo)航。這就要求小車具備較強(qiáng)的自適應(yīng)能力。自動(dòng)循跡小車需要穩(wěn)定快速行駛，兼顧速度和可靠性的要求，因此，設(shè)計(jì)方案必須考慮傳感器信號(hào)采集處理、舵機(jī)和電機(jī)控制策略設(shè)計(jì)等因素［7］。整個(gè)軟件系統(tǒng)包括圖像信息采集和處理、舵機(jī)轉(zhuǎn)角控制、電機(jī)速度控制和速度反饋。軟件系統(tǒng)組成如圖1所示。

圖1 軟件系統(tǒng)組成圖Fig.1 The composition of software system

2 軟件模塊設(shè)計(jì)

2.1 圖像信息處理

對(duì)道路形狀的判斷正確與否決定了小車能否實(shí)現(xiàn)自動(dòng)循跡功能。雖然圖像處理算法已經(jīng)有很多成熟的算法和應(yīng)用，但如何有效地采用符合具體實(shí)際使用的算法則需要經(jīng)過(guò)實(shí)際測(cè)試才能確認(rèn)。圖像處理包括對(duì)CCD信息采集、道路狀況的提取、路徑的計(jì)算等。一般的設(shè)計(jì)流程包括圖像信息采集、圖像信息的處理、道路信息的計(jì)算和行駛路線的優(yōu)化這4個(gè)部分。

圖像信息采集時(shí)，單片機(jī)的端口與攝像頭的圖像灰度信息輸出引腳相連?？紤]到單片機(jī)的內(nèi)存有限，在每張圖像中進(jìn)行隔行采集，對(duì)每行數(shù)據(jù)進(jìn)行不間斷保存，共采集到53行×74列的有效像素?cái)?shù)據(jù)。剔除有誤差的點(diǎn)，并考慮有效使用內(nèi)存，只保存第2行到第41行，以及中間50列的像素?cái)?shù)據(jù)，即實(shí)際圖像為40行×50列的數(shù)據(jù)。

2.1.1 濾波算法

圖像處理的濾波算法較多，主要分為時(shí)域?yàn)V波和頻域?yàn)V波［8－9］。時(shí)域?yàn)V波常用的方法有平均值濾波、中值濾波、限值濾波等，頻域?yàn)V波有傅里葉變換、小波變換等?？紤]到頻域?yàn)V波的運(yùn)算量大，需要占用大量?jī)?nèi)存，本文采用時(shí)域?yàn)V波法。去噪濾波采用中值濾波與滑動(dòng)平均值濾波相結(jié)合的算法。中值濾波的優(yōu)點(diǎn)是能有效克服因偶然因素引起的波動(dòng)干擾，對(duì)溫度、液位等變化較緩慢的被測(cè)參數(shù)具有良好的濾波效果;滑動(dòng)平均濾波的優(yōu)點(diǎn)是對(duì)周期性干擾具有良好的抑制作用，平滑度高，適用于高頻振蕩的系統(tǒng)［10］。

在實(shí)際處理中，每次取一行中3個(gè)相鄰列的灰度值，先判斷這3個(gè)值是否有相同的灰度值，若灰度值相同則采用滑動(dòng)平均值濾波，取平均值，并將第二個(gè)值修改為該平均值;若灰度值不同則采用中值濾波，并對(duì)這3個(gè)值進(jìn)行排序，將第二個(gè)值修改為3個(gè)數(shù)值的中間值。該算法對(duì)一個(gè)像素點(diǎn)的過(guò)濾僅用到了相鄰兩個(gè)像素點(diǎn)的灰度值，計(jì)算量不大，占用內(nèi)存不多，適合單片機(jī)的計(jì)算，且該算法相對(duì)來(lái)說(shuō)較簡(jiǎn)單，時(shí)間復(fù)雜度不高，滿足了小車對(duì)快速控制系統(tǒng)的要求。

濾波前后圖像對(duì)比如圖2所示。

圖2 濾波前后圖像對(duì)比圖Fig.2 Image comparison pre-filtering and post-filtering

由圖2可以看出，經(jīng)過(guò)濾波后的圖像更適合后續(xù)的判別和處理。

2.1.2 軌跡線提取

在濾波后的圖像中，白色為小車的行駛范圍，黑線為小車需要跟蹤的軌跡，因此，軌跡線的提取即為黑線，本文采用跟蹤引線的黑線提取算法。假設(shè)某時(shí)刻找到某行的黑線中心位置m，則下一時(shí)刻在下一行的m附近搜尋黑線的左右邊緣，然后計(jì)算該行的中心位置。該方法的特點(diǎn)是始終在前一行的引線中心位置附近尋找下一行的引線位置，故稱為“跟蹤”引線的黑線提取算法。該算法的優(yōu)點(diǎn)是在首行引線檢測(cè)正確的前提下具有較強(qiáng)的抗干擾性，能更有效地消除十字垂直交叉黑色引線的干擾以及引線外黑色噪點(diǎn)的影響，始終跟蹤目標(biāo)引導(dǎo)線。

在試驗(yàn)過(guò)程中，發(fā)現(xiàn)該算法也存在一定的問(wèn)題。由于是在連續(xù)鄰域上跟蹤引導(dǎo)線，因此，若第一行引線的檢測(cè)位置和實(shí)際導(dǎo)引線偏差較大，將產(chǎn)生一連串的錯(cuò)誤，甚至造成小車失穩(wěn)。為防止這種現(xiàn)象的發(fā)生，可利用前面兩行的引線中心位置來(lái)確定下一行的黑線位置。因?yàn)榍皟尚型瑫r(shí)出錯(cuò)的概率遠(yuǎn)遠(yuǎn)小于一行出錯(cuò)的概率，所以采用這種方法造成丟失引線的幾率會(huì)大大減小。

此外，針對(duì)每行中的孤立噪點(diǎn)，采用計(jì)數(shù)法排除。如果連續(xù)黑點(diǎn)數(shù)小于某個(gè)閾值時(shí)，認(rèn)為是噪聲影響，而非實(shí)際的黑線，從而可以減少誤判概率。

2.1.3 梯形失真

由于攝像頭與地面之間存在俯角，導(dǎo)致采集到的圖像并不是一個(gè)方形區(qū)域，而是一個(gè)近處區(qū)域小、遠(yuǎn)處區(qū)域大的梯形區(qū)域，圖像出現(xiàn)失真。梯形失真示意圖如圖3所示。

圖3 梯形失真示意圖Fig.3 Keystone distortion

由圖3可以看出，攝像頭采集的圖像發(fā)生了很大的形變。即使遠(yuǎn)處引線偏離道路中間很大，但是在圖像上顯示出來(lái)的仍有一個(gè)較小的偏差，從而使傳感器出現(xiàn)誤差，前瞻性大大減小，小車容易因控制不及時(shí)而沖出行駛范圍。

在實(shí)際處理中，需要對(duì)圖像進(jìn)行失真補(bǔ)償:當(dāng)小車靜止時(shí)，進(jìn)行掃描區(qū)域的標(biāo)定，測(cè)量出圖像區(qū)域的實(shí)際位置，并與采集到圖像中的位置進(jìn)行換算，即可得到以下變換公式。

式中:y為在實(shí)際中圖像位置的列數(shù);x為攝像頭采集到的圖像的列數(shù);k為梯形一條邊的斜率。

在變換公式中，b的取值最為關(guān)鍵，由于每行之間的間隔不同，所以圖像變換公式中不能采取同樣的b值。最佳方法是對(duì)每行設(shè)定一個(gè)相應(yīng)的b值，但對(duì)于行數(shù)較多的圖像，每行都進(jìn)行精確測(cè)定顯然不可能實(shí)現(xiàn)。為了簡(jiǎn)化程序，對(duì)于該40×50的圖像，將40行圖像按每10行分為一組(0行 ～9行、10行～19行、20行～29行、30行～39行)，每組采用相同的b值，即每組的中間行測(cè)出來(lái)的b值。這樣既減少了測(cè)定每行b值的工作量，又比整個(gè)圖像采用一個(gè)b值計(jì)算得到的數(shù)據(jù)準(zhǔn)確性高。

將圖像中每一行的最中間列作為基準(zhǔn)列，這里取第24列為基準(zhǔn)列，設(shè)定為0列。將左邊的列作為負(fù)列，右邊的列為正列。經(jīng)過(guò)式(1)補(bǔ)償后得到的每一行新的各列，在第0列左邊的列，依次為第－1、－2、－3，…，第－n列，直到實(shí)際圖像最左邊的列為止;右邊依次為第1、2、3、…、n列，直到實(shí)際圖像最右邊的列為準(zhǔn)。由此得出圖像中各像素點(diǎn)的實(shí)際位置。在進(jìn)行梯形失真補(bǔ)償后，計(jì)算出每行黑線的中心位置，并保存在一維數(shù)組中。這個(gè)數(shù)據(jù)就是每行的實(shí)際引線所在位置。

得到每行引線的實(shí)際位置后，為減少誤差，再對(duì)每行的引線位置數(shù)據(jù)進(jìn)行滑動(dòng)平均濾波，取滑動(dòng)采樣值個(gè)數(shù)為5，每次修改第3個(gè)采樣值為5個(gè)采樣值的平均值。經(jīng)過(guò)濾波后，每行引線的中心位置變得更加平滑，這就避免了由于引線提取部分的計(jì)算誤差而引起的錯(cuò)誤。

2.1.4 軌跡曲率處理

對(duì)于道路形狀的判斷，可以采用曲率法。找到每行黑線的中心位置后，再進(jìn)行道路曲率信息的計(jì)算，即可得出道路的類型。簡(jiǎn)單的曲率計(jì)算公式如下所示:

式中:x1、x2和 x3為3個(gè)實(shí)際距離相等的行的黑線位置。

行駛路徑類型可以分為直道、曲率小的S彎、曲率大的S彎和普通彎道4類。U型彎道和O型彎道可以認(rèn)為是多個(gè)同方向普通彎道連接在一起，因此，都可以被認(rèn)為是普通彎道。若計(jì)算出來(lái)的曲率q接近0，則說(shuō)明該段道路為直道或者小S彎;若曲率q比較大，則說(shuō)明該段道路為普通彎道;若計(jì)算出來(lái)的曲率q非常大，則說(shuō)明該段彎道為大S彎。

在計(jì)算得到各段道路的具體類型之后，就可以進(jìn)行小車行駛路徑的優(yōu)化。通常情況下，直道和小S彎道按照直線行駛通過(guò);對(duì)于普通彎道，一般將小車行駛路線的曲率比道路彎曲程度大一點(diǎn)，盡量以微內(nèi)圈的線路通過(guò);對(duì)于大S彎道，需要將小車的行駛路線曲率比道路彎曲程度小一點(diǎn)，在不跑出道路的情況下盡量少走彎路，這樣小車看到的彎道類型始終是大S彎道，即可以連續(xù)地走“小彎”路線通過(guò)，這樣既節(jié)約時(shí)間，且行駛速度不會(huì)因?yàn)楣諒澨蠖^(guò)于減小，并保持勻速行駛。

優(yōu)化前后路徑如圖4所示，虛線代表實(shí)際道路形狀，帶箭頭的實(shí)線代表優(yōu)化后的路徑形狀。

2.2 舵機(jī)轉(zhuǎn)角控制

在循跡小車的行駛過(guò)程中，舵機(jī)轉(zhuǎn)向控制是小車能夠穩(wěn)定行駛的一個(gè)重要因素，它對(duì)小車的速度有很大影響。若轉(zhuǎn)向及時(shí)，小車就不需要在彎道處通過(guò)降低速度來(lái)通過(guò)彎道，從而保證小車始終保持勻速行駛。

小車的轉(zhuǎn)向是根據(jù)信號(hào)線輸入的占空比信號(hào)來(lái)控制固定在小車前輪的中央位置的舵機(jī)，以產(chǎn)生一個(gè)轉(zhuǎn)角;再通過(guò)左右轉(zhuǎn)向搖臂產(chǎn)生一個(gè)扭矩，驅(qū)動(dòng)前輪轉(zhuǎn)向。根據(jù)測(cè)出的最左、最右和中間位置的信號(hào)占空比的值，采用等分法來(lái)確定占空比和轉(zhuǎn)角的比例。

舵機(jī)轉(zhuǎn)角一般采用PID控制［11］。最簡(jiǎn)單的是采用P控制，通過(guò)設(shè)定合適的系數(shù)，就可以減小余差和超調(diào)，使小車始終保持在道路中間位置且不跑出道路。但由于舵機(jī)本身是一個(gè)大慣性大延遲系統(tǒng)，若只采用P控制，一旦控制不及時(shí)，就會(huì)產(chǎn)生較大的超調(diào)，很有可能沖出道路，或被迫采用犧牲速度的方法來(lái)?yè)Q取穩(wěn)定性。為改進(jìn)控制效果，增加了D控制，這樣就可以在出現(xiàn)偏差時(shí)作出較快反應(yīng)，減少控制延時(shí)。經(jīng)測(cè)試，加入D控制后，在過(guò)普通彎道時(shí)效果較好，可以使小車入彎時(shí)轉(zhuǎn)向提前，切內(nèi)道過(guò)彎，出彎時(shí)轉(zhuǎn)向減少，但是在S彎道，尤其是大S彎道時(shí)，轉(zhuǎn)過(guò)一兩個(gè)彎后，就會(huì)引起小車與引線偏差增大，很容易跑出道路，引起系統(tǒng)的不穩(wěn)定。D控制系數(shù)越大，大S彎道的穩(wěn)定性越差。I控制作用可以消除余差，但是I控制是一個(gè)緩慢的控制，而小車的速度很快，在進(jìn)入彎道時(shí)，前半彎控制作用不大，且對(duì)于連續(xù)的彎道，I控制變得較強(qiáng)，進(jìn)入直道后很容易引起較大的超調(diào)，使小車沖出道路。在實(shí)際測(cè)試中，加入I控制后的效果并不好，在大S彎道處也沒(méi)有明顯的效果，而且會(huì)引起彎道進(jìn)入直道時(shí)車體發(fā)生抖動(dòng)，整體效果反而變差。所以，舍棄I控制，只采用PD控制。

由于面陣CCD可以獲得更多的信息量，因此，可采用圖像處理得到的曲率軌跡來(lái)進(jìn)行輔助的控制。將道路曲率看作干擾，相當(dāng)于在閉環(huán)的PD控制上增加一個(gè)曲率的前饋。這樣就可以充分利用攝像頭傳感器的高前瞻性，預(yù)判前面道路的趨勢(shì)。該控制效果明顯優(yōu)于簡(jiǎn)單PD控制的控制效果。

小車舵機(jī)控制模型如圖5所示。

圖5 小車舵機(jī)控制模型Fig.5 Control model of the steering engine of car

3 循跡試驗(yàn)

考慮到實(shí)際應(yīng)用環(huán)境下對(duì)小車的平穩(wěn)運(yùn)行的要求，試驗(yàn)中對(duì)小車采用勻速運(yùn)行。道路信息為二維水平平面，寬度最大為600 mm，窄道區(qū)域最大為450 mm。道路彎曲處最小曲率半徑不小于500 mm，并且路徑有交叉，交叉角為90°。試驗(yàn)中，小車采用不同速度勻速運(yùn)行，并以偏離黑線的最大誤差和沖出道路的次數(shù)為標(biāo)準(zhǔn)衡量系統(tǒng)性能，小車試驗(yàn)數(shù)據(jù)如表1所示。表1中:V為小車速度;ΔS為最大誤差，ΔS=|S實(shí)際－S標(biāo)準(zhǔn)|;N為沖出軌跡次數(shù)。

表1 小車試驗(yàn)數(shù)據(jù)Tab.1 The experimental data of car

由表1可以看出，當(dāng)速度逐漸增大時(shí)，小車偏離軌跡中心線的距離也隨之增加，沖出整個(gè)軌跡的次數(shù)也明顯增加。當(dāng)速度不是很快時(shí)，小車能夠很好地跟蹤黑線。

4 結(jié)束語(yǔ)

近年來(lái)，自動(dòng)循跡小車在不同場(chǎng)合的應(yīng)用需求日益增加，以激光、CCD和電磁等作為道路信息采集方式的不同循跡方式不斷出現(xiàn)。

本設(shè)計(jì)采用CCD攝像頭獲取道路信息，根據(jù)路面標(biāo)志作為導(dǎo)引信息，通過(guò)圖像處理來(lái)確定自動(dòng)循跡小車的前方路況。本文介紹了一套較為適合基于CCD的自動(dòng)循跡小車的信息處理和控制方法，并針對(duì)各模塊處理方法和運(yùn)動(dòng)控制策略進(jìn)行了分析和比較，包括CCD信息采集、道路狀況的提取和路徑形狀判斷等內(nèi)容?？刂撇呗陨现饕捎米儏?shù)、帶死區(qū)的增量式數(shù)字PID控制器，使小車行駛更加穩(wěn)定。在試驗(yàn)測(cè)試中，循跡小車以不同的車速在固定跑道上行駛，采用偏離中心的最大誤差和沖出道路次數(shù)來(lái)衡量循跡小車性能。試驗(yàn)表明，本文所設(shè)計(jì)的小車能有效地識(shí)別和跟蹤多種類型的道路［12］。

［1］Lü Yingjun，Xu Anling，Chong Cancan，et al.Application analysis of the linear CCD in the path recognition system1［C］∥International Conference on Integration Technology，Shenzhen，2007:151－154.

［2］宮紀(jì)波.基于紅外反射循跡小車的傳感器布局研究［J］.工業(yè)控制計(jì)算機(jī)，2009，22(8):97－98.

［3］程志江，李劍波.基于遺傳算法的智能小車模糊控制系統(tǒng)的研發(fā)［J］.自動(dòng)化儀表，2009，30(8):4－7.

［4］王子輝，葉云岳.基于CMOS傳感器的智能循跡小車圖像識(shí)別技術(shù)研究［J］.傳感技術(shù)學(xué)報(bào)，2009，22(4):484－488.

［5］卓晴，黃開(kāi)勝，邵貝貝，等.學(xué)做智能車:挑戰(zhàn)“飛思卡爾”杯［M］.北京:北京航空航天大學(xué)出版社，2007:45－68.

［6］田里，姚素英，周津.CMOS圖像傳感器的自適應(yīng)降噪方法研究［J］.傳感技術(shù)學(xué)報(bào)，2008，21(9):697－701.

［7］楊枝靈，王開(kāi).數(shù)字圖像獲取、處理及其實(shí)踐應(yīng)用［M］.北京:人民郵電出版社，2003:70－100.

［8］郎銳.數(shù)字圖像處理學(xué)［M］.北京:北京希望電子出版社，2003.

［9］甄紅濤，齊曉慧.智能車參數(shù)自校正方向模糊控制器的設(shè)計(jì)［J］.自動(dòng)化儀表，2010，31(9):57－59.

［10］溫陽(yáng)東，王祥好.基于線陣CCD的智能小車路徑識(shí)別系統(tǒng)［J］.合肥工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版，2009，32(9):1348－1353.

［11］黃偉，吳青，馬育林，等.基于視覺(jué)導(dǎo)航的智能小車調(diào)速控制器設(shè)計(jì)［J］.武漢理工大學(xué)學(xué)報(bào):自然科學(xué)版，2010，32(6):103－106，135.

［12］梁佳海，黃雪燕.基于光引導(dǎo)的小車自動(dòng)尋軌技術(shù)研究［J］.欽州學(xué)院學(xué)報(bào)，2008，23(3):38－40.