卓婧

【摘 要】近些年，車輛的無人駕駛概念熱持續(xù)發(fā)酵，該技術(shù)旨在讓智能機器幫助人們駕駛汽車，讓人們能從駕駛中得到解放。本文從解決無人駕駛中的車輛避碰方向入手，以Freescale 16位微控制器MC9S12XS128作為核心控制單元，用CCD攝像頭傳感器作為信息采集裝置，設(shè)計開發(fā)一款電動無人駕駛自動避碰智能車，并對該技術(shù)方法進行一定的應(yīng)用展望。

【關(guān)鍵詞】無人駕駛；智能避碰；MC9S12XS128；CCD

【Abstract】In recent years， the concept of unmanned vehicles is blooming. The technology is designed to help people make intelligent machines to drive a car， let the people have been liberated from driving. This article is intended to solve the unmanned vehicle collision avoidance， using MC9S12XS128 of Freescale 16-bit microcontroller as the core control unit， with a CCD camera sensor as the information acquisition device， to research and develop an electric intelligent unmanned automatic collision avoidance car. Lastly， looking forward to the approach for application.

【Key words】Unmanned； Intelligent collision avoidance； MC9S12XS128； CCD

0 引言

1）障礙物探測技術(shù)研究進展

無人駕駛汽車集自動控制、體系結(jié)構(gòu)、人工智能、視覺計算等眾多技術(shù)于一體，是計算機科學(xué)、模式識別和智能控制技術(shù)高度發(fā)展的產(chǎn)物。無人駕駛中的自動避碰技術(shù)是車輛行駛安全的重要保障。探測障礙物是實現(xiàn)車輛避碰的前提，方法多種多樣，如超聲波，紅外線，視頻采集等。

Dur等人設(shè)計了基于光流法的障礙檢測算法以及避障算法，分析了光流法的應(yīng)用優(yōu)勢，并通過光流法獲取的環(huán)境數(shù)據(jù)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，實現(xiàn)了障礙物檢測及避障[1]。Seraji等人提出多推理系統(tǒng)決策與多傳感器融合算法，該算法疊加了雷達、激光雷達和CCD相機所獲得的地面信息，根據(jù)傳感器信息做出決策，通過分層融合選擇算法形成最終決策，實現(xiàn)對障礙物的檢測[2]。

圖1即為典型的CCD與各類傳感器協(xié)助實現(xiàn)障礙物探測的原理框圖。

2）本文總體實現(xiàn)方案

本文設(shè)計開發(fā)的自動避碰智能車采用1：10標(biāo)準(zhǔn)跑車底盤車模，以 Freescale 16 位單片機MC9S12xs128 為核心控制器，對智能車行駛中的道路信息采樣、電動動力系統(tǒng)參數(shù)、轉(zhuǎn)向控制裝置和有關(guān)機械機構(gòu)進行設(shè)計開發(fā)，完成智能車對障礙避讓的快捷響應(yīng)。

1 自動避碰硬件設(shè)計

1.1 設(shè)計理論

無人駕駛智能車避碰設(shè)計的核心是遇到障礙時如何避讓和自動尋跡，實現(xiàn)車輛的穩(wěn)定行駛。獲取有效、可靠的路況信息以及實施合理的車輛控制策略，是車輛開發(fā)的關(guān)鍵，現(xiàn)有的道路信息獲取方式有光電（激光）傳感器、攝像頭傳感器（CCD）、電磁傳感器等。

通過攝像頭傳感器對道路信息進行檢測，可從外部環(huán)境中提取較多的有效信息，具有良好的前瞻性，并且通過圖像處理與記錄算法的協(xié)助，可為控制策略提供更多有利條件。

控制策略主要包括轉(zhuǎn)向控制和速度控制，此處采用增量式PID算法并結(jié)合智能車控制的實際情況做了一些變動，將計算結(jié)果賦給控制舵機的PWMDTY，準(zhǔn)確的控制舵機的轉(zhuǎn)角。保證車輛對障礙的反應(yīng)靈敏度及作出相應(yīng)措施的操縱性。

1.2 總體設(shè)計

基于Freescale智能車制作思想，該智能車主要由車輛本體、單片機控制器、驅(qū)動電機、舵機、轉(zhuǎn)速反饋裝置、CCD視頻采集裝置、調(diào)試模塊等組成。主要設(shè)計工作有動力裝置參數(shù)確定、轉(zhuǎn)向機構(gòu)設(shè)計、前輪定位參數(shù)確定、整車電氣系統(tǒng)參數(shù)確定。

要使智能車模型的綜合性能提高，首先要對底盤各總成元件布置進行合理安排。轉(zhuǎn)向器、電池、攝像頭、電路板和電機是智能車模型上主要的部件，其重量占了智能車整備質(zhì)量的一大半，因此，對轉(zhuǎn)向器、電池、攝像頭、電路板和電機位置的合理安排決定了智能車的重心位置的合理性。

1.3 部件設(shè)計

智能車選用飛思卡爾MC9S12XS128微控制器作為控制主件[4]。S12XS 16 位微控制器對一系列成本敏感型汽車車身電子應(yīng)用進行了優(yōu)化。S12X 產(chǎn)品滿足了用戶對設(shè)計靈活性和平臺兼容性的需求，并在一系列汽車電子平臺上實現(xiàn)了可升級性、硬件和軟件可重用性、以及兼容性。

驅(qū)動電機采用直流伺服電機，在此選用的是RS-380SH型號的伺服電機，直流伺服電機具有優(yōu)良的速度控制性能，它輸出較大的轉(zhuǎn)矩，直接拖動負(fù)載運行，同時它又受控制信號的直接控制進行轉(zhuǎn)速調(diào)節(jié)。

轉(zhuǎn)向舵機是一種位置伺服驅(qū)動器，轉(zhuǎn)動范圍不能超過180度，適用于需要角度不斷變化并保持的控制系統(tǒng)。舵機內(nèi)部有一個基準(zhǔn)電路，產(chǎn)生周期為20MS，寬度1.5MS的基準(zhǔn)信號，有一個比較器，將外加信號與基準(zhǔn)信號進行比較，判斷出方向和大小，從而生產(chǎn)電機的轉(zhuǎn)動信號。舵機的控制信號是PWM信號，利用占空比的變化改變舵機的位置。

視頻采集裝置采用模擬攝像頭，分辨率為356*292。

2 自動避碰軟件設(shè)計

軟件設(shè)計開發(fā)基于Codewarrior平臺，采用C++編程。

調(diào)試模塊中采用了軟件開發(fā)平臺Codewarrior IDE自帶的Hiwave.exe調(diào)試程序和自行開發(fā)的Labview調(diào)試程序作為主要調(diào)試手段，此外還用數(shù)據(jù)采集卡和數(shù)碼管顯示等輔助調(diào)試手段。

3 主要性能參數(shù)

3.1 動力性參數(shù)

動力性是汽車各種性能中最基本、最重要的性能。智能車模選用的驅(qū)動電機是型號為RS-380SH，其驅(qū)動特性如表1所示。主減速器傳動比是電機齒輪與差速器齒輪的傳動比，值為76/18=4.2。通過設(shè)計計算，本車的動力性指標(biāo)如表2所示。

3.2 避碰性能參數(shù)

根據(jù)汽車?yán)碚撝械钠嚥倏v性能評價方法[5]，汽車在緊急情況下的轉(zhuǎn)向要求，本車的設(shè)計開發(fā)思路是當(dāng)車輛遇到障礙時是先制動減速，然后再轉(zhuǎn)彎避讓。通過理論計算和試驗，該車避障性能的主要指標(biāo)如表3所示。

4 總結(jié)與展望

在避障智能車的設(shè)計開發(fā)過程中，鑒于障礙識別模塊的性能對整個智能車系統(tǒng)運行的重要作用，本系統(tǒng)采用了可以兼用數(shù)字?jǐn)z像頭和模擬攝像頭的設(shè)計思路。

在機械結(jié)構(gòu)方面，分析了轉(zhuǎn)向器轉(zhuǎn)向系統(tǒng)的改進辦法、前輪束角和主銷傾角的調(diào)整以及在其他細(xì)節(jié)方面的優(yōu)化。加高了轉(zhuǎn)向器的位置，提高了轉(zhuǎn)向器的相應(yīng)時間，還設(shè)計制作了輕巧穩(wěn)固的攝像頭支架。

在電路方面，采用模塊化的電路設(shè)計方法，在主板、電機驅(qū)動、電源管理、攝像頭數(shù)據(jù)采集、速度傳感器幾個模塊分別設(shè)計。使整個電路系統(tǒng)的防干擾能力得到提高，電路的穩(wěn)定性也進一步加強。同時也使智能車模型重心位置的調(diào)節(jié)更加方便。

自動避碰技術(shù)的探索將為無人駕駛技術(shù)的大范圍推廣增加更有力的籌碼。

【參考文獻】

[1]Dure. Optical Flow-Based Obstacle Detection and Avoidance Behaviors for Mobile Robots Used inUnmaned Planetary Exploration[C]. Proceedings of the 4th International Conference on RecentAdvances in Space Technologies， 2009： 638-647.

[2]Seraji，H. A Multisensor Decision Fusion System for Terrain Safety Assessment[J]. IEEETransactions on Robotics[J]. 2009， 25（1）： 99-108.

[3]李學(xué)志.CATIA 實用教程[M].2版.北京：清華大學(xué)出版社，2011，06.

[4]張陽.MC9S12XS單片機原理及嵌入式系統(tǒng)開發(fā)[M].北京：電子工業(yè)出版社，2011，09.

[5]余志生.汽車?yán)碚揫M].北京：機械工業(yè)出版社，2009，03.

[責(zé)任編輯：楊玉潔]