飞思卡尔 大学生智能车竞赛技术报告

关于技术报告和研究论文使用授权的说明本人完全了解第二届“飞思卡尔”杯全国大学生智能汽车邀请赛关保留、使用技术报告和研究论文的规定，即参赛作品著作权归参赛者本人，比赛组委会和飞思卡尔半导体公司可以在相关主页上收录并公开参赛作品的设计方案、技术报告以及参赛模型车的视频、图像资料，并将相关内容编纂收录在组委会出版论文集中。参赛队员签名带队教师签名日期I目录第1章引言1第2章车模的总体设计321车模期望的目标322实现方法3第3章机械部分531舵机的安装532传感器的安装633车模的机械调校7第4章硬件电路部分941传感器选型9411摄像头选型9412速度传感器选型942电路总体结构1043电源设计1044S12核心板1145片外AD1246SD卡1347驱动电路1348车模可调环节的设计16第5章软件部分1951辅助调试软件19511串口辅助调试软件19512SD卡辅助调试软件21II52图像处理22521图像采集策略22522图像二值化23523黑线提取及去噪24524赛道划分及赛道曲率分析26525起跑线识别28526坡道识别2953控制策略31531控制目标31532速度P控制33533速度分配策略33534PD参数对舵角控制的影响33535转向参考行的选择34536转角曲线35537利用舵角D参数进行速度微调3554速度编码器妙用36541起步程序36542卡住停车程序36543利用拨码开关调节程序36第6章总结与展望39参考文献40附录I1第1章引言受教育部高等教育司委托，高等学校自动化专业教学指导分委员负责主办全国大学生智能车竞赛。该项比赛已列入教育部主办的全国五大竞赛之一。从前两届的比赛情况看，比赛赛道难度逐年加大，参赛队伍的技术水平提高迅速。单从车模的极速来看，06年清华大学的冠军车模极速约为3M/S，而07年决赛时交大车模的极速超过了4M/S，提升约30。然而，车模的极速远不只4M/S，想必在08年比赛中，各参赛车模的水平会有更大的提高。我队在去年的华东区比赛中，由于图像问题未能完赛。之后我们认清了自己与国内强队的差距，在此一年内重新组队，在硬件电路、传感器选型、图像处理、辅助调试软件以及控制算法上做了大幅度改良。今年，我们将以挑战车模速度极限为目标，力争在比赛中取得好的成绩。本技术报告将从车模的机械部分、硬件部分和软件部分阐述我们今年的车模方案，并且给出一写实验结果，提出一些设想。3第2章车模的总体设计21车模期望的目标由去年比赛的经验看，车模的可靠性是第一位的，不然车模空有很高的速度却无法跑完全程也无济于事。其次，车模在稳定工作的前提下要能达到较高的速度，并且拥有出色的转向性能。车模的可靠性包括了机械可靠性、硬件可靠性以及软件上的可靠性，其中机械的可靠性主要由严谨的机械装配和合理的机械调校来保证，而硬件和软件的可靠性主要是要保证摄像头的成像质量以及图像处理的稳定性。为了确保硬件和软件的可靠性，我们需要一个足够强大的辅助调试平台，获取足够多的测试数据，来确保其可靠。要使车模的速度提高并且有较好的转向能力，最直接的方法就是提高车模的机械性能。因此，我们需要将电路做得足够集成，从而减小车模的重量。另外，车模的重心越低对车模的性能越有利，因此摄像头不宜装在较高的位置。此外，驱动电路也是影响车模速度的关键，我们需要低内阻、大功率的驱动电路使车模获得较高的直线速度及加速度。22实现方法为了获得质量较高的图像，我们选择了动态性能较好的CCD传感器，并使用片外高速A/D进行图像采集，提高图像分辨率。为了合理分配车模重量，保证车模重心的位置合理，将摄像头装在了车模中间偏后的位置。为了减轻电路的重量，我们制作了轻量化的S12核心板。为了获得较大的驱动能力，我们自行制作了驱动电路。为了搭建一个足够强大的辅助调试平台，我们使用SD卡记录数据，并编写相应的辅助调试程序，对车模行驶数据进行分析。下面我们的作品白骑士第三届全国大学生智能汽车邀请赛技术报告4图21S12核心板驱动电路摄像头升压电路CCD传感器SD卡插槽主板5第3章机械部分车模的机械部分是影响其行驶性能最直接的部分，其重要性不言而喻。一个不良的机械系统会增加控制的难度，会为车模的速度提升带来障碍。因此，车模的机械性能应该是优先考虑的问题。31舵机的安装按车模说明书所说的舵机安装方法，是将舵机头朝后，安装在前悬挂中间。这样的安装方法结构比较紧凑，但左右转向摇臂的长度不一样，会是车模左右转向出现略微的不对称，并且舵机的重量偏向车头，会增加车模的惯量，对车模转向是不利的。因此，我们使用了1/12电动公路遥控车模常用的舵机安装方法，使用了左右等长的转向摇臂，具体如图所示。图31此外，去年也有不少队伍将舵机连杆加长，从而提高舵机的打舵速度。虽然我们并没有测试过这种方法对转向性能有多大的影响，但这中方法本身存在几个明显的缺点1降低了舵机转矩和定位精度2必须将舵机抬高，提升了车模的重心，降低车架的反应速度3不易安装舵机保护器，舵机堵转时很可能烧毁。第三届全国大学生智能汽车邀请赛技术报告6考虑到以上几点因素，我们最终还是采用了比较稳妥的方法来安装舵机，并且使用了1/12电动公路遥控车模专用的舵机保护器（图中舵机头上的白色连接件）。32传感器的安装测速传感器由于本身重量很轻，对车模性能影响很小，这里就不详细介绍其安装方法了。这里重点介绍摄像头的安装。摄像头传感器重量较重，即使除去外壳用裸板，其镜头的重量对于车架来说也是不小的负担，因此摄像头的安装位置对车模的机械性能会有不小的影响。同时，摄像头安装的位置与车模的前瞻量以及视野宽度也有直接关系，所以摄像头安装的位置应同时考虑到机械性能的需要和图像的要求。从车模的性能上考虑，车模的重心越低越好，所以在图像能够接受的前提下，应尽可能降低摄像头的高度。而车体重心前后的位置保持在车体中间偏后的位置较好，因为重心太考前车模容易甩尾，太靠后车模容易转向不足，由于车模是后轮驱动，后轮需要更大的压力来确保其动力输出，所以重心在车身中间偏后一点的位置是最理想的。从图像的角度考虑，摄像头架得低依然可以获得较远的前瞻，但视野宽度会受到限制，因此可以通过将摄像头加在车模后方来增加其视野宽度。综合考虑以上几点，我们最终选择将摄像头架在车身中间偏后的位置，使用玻璃纤维材料制作三脚架结构，确保摄像头支架的强度和低重量。摄像头高度为15CM。第3章机械部分7以下是白骑士总体结构的三维设计图33车模的机械调校尽管比赛规则对车架做了很大的限制，但车模的机械调校仍然会起着举足轻重的作用。下面介绍几个比较关键的调校参数1底盘高度一般来说底盘越低，车模重心越低，重心移动速度越快，所以底盘越低，车模行驶越稳定，反应速度越快。考虑到赛道KT板厚度一般为5MM，底盘若低于这个高度，车模在冲出赛道后可能会撞伤赛道，因此我们将白骑士的底盘高度设为前5MM、后6MM，同时将底盘前端削去一段并导角，从而确保赛道的安全。2前悬挂角度由于国产车模的质量不好，虚位较大，因此调整前悬挂的角度时，调节量需要大一些，以抵消虚位。在所有前悬挂的角度中，普遍认为CASTER角对转向性能影响最大。可能由于摄像头架得比较靠后的关系，白骑士的转向稍显不足。所以我们采用了比较极端的调校4CASTER，使车头侧倾量增加，从而增加白骑士的转向能力，其缺点是降低了转向的反应速度，使连续弯中的性能下降。9第4章硬件电路部分41传感器选型411摄像头选型去年我们希望降低电路功耗、简化电源设计，因而使用了CMOS摄像头。然而，经过长时间测试，我们发现CMOS成像质量较差，并且在车模运动时图像会发生模糊，图41是车模在速度为28M/S情况下CMOS摄像头采得的一副图片，可以看到图片模糊情况很严重。这种模糊对图像处理非常不利，因此，今年我们放弃了CMOS摄像头而改用动态性能较好的CCD摄像头。此外，为了获得叫大的视野范围，我们选用了1/3CCD，配合36MM镜头。412速度传感器选型我们曾使用光电传感器传感器加鼠标码盘制成测速传感器，但发现其检测精度较低，可靠性较差，容易受环境光影响，并且在车速超过4M/S时，检测会发生问题。因此，我们最终使用了1000线的光电编码器来进行速度检测。如图所示图41第三届全国大学生智能汽车邀请赛技术报告10图4242电路总体结构考虑到车模重心越低越好，将电路板紧贴底盘放置是比较合适的。由于舵机的占据了不少的空间，我们的电路板需要做得更加紧凑。考虑到S12核心板要占据一定的空间，我们决定将S12核心板、片外AD等弱电部分放置在车身左侧，而驱动电路和摄像头升压电路等强电部分放置在车身右侧，强弱电分做在两块PCB上，一方面便于拆装，同时也便于电路的升级换代。43电源设计全车的电源、电源芯片、以及对应的用电器材如图所示第4章硬件电路部分11图4344S12核心板为了追求轻便小巧的车模系统，为了得到优秀的提高车模的DIY程度，我们自制S12核心板。在整个制版过程中，我们得到一些经验和教训。1制版前把技术手册看熟看透，了解管脚定义及工作模式。2制版后对电路板焊接时，务必要做到焊接牢靠。3遇到电路板不能正常工作，要从最基础的部分差错，如电压是否正常，各焊接点是否牢靠。下图为我们一代的S12核心板电池72V稳压至6V（29302BU）舵机稳压至5V29302BUS12，片外A/D，速度编码器等稳压至33VLM1117SD卡升压至15VLT1070稳压至12VLM2940摄像头升压至18VSI34063驱动电路信号第三届全国大学生智能汽车邀请赛技术报告12下图为我们改进后的S12核心板45片外AD为了提高图像的采集精度，S12的片内AD已经无法满足要求。从去年比赛中看，比较好的方案有清华大学三角洲队的硬件二值化方案和北京科技大学的片外AD方案。硬件二值化的方法可以大大减少单片机的处理数据，并可以大幅度提高图像的采集精度。不过，考虑到我们之前图像处理的能力还不成熟，对第4章硬件电路部分13于阈值方法和边界方法的认识比较有限，而硬件二值化的可调性不及片外AD。我们希望有一个完整的辅助调试系统，将原始的灰度图片存储下来，供我们分析。因此我们选择使用片外AD进行图像采集。参考去年北京科技大学的技术报告，我们选用TLC5510进行图像采集。在程序中，使用指针提高代码效率。经测试，可以每行可采得140个有效点。46SD卡上届比赛时，大多数队伍可以通过串口将S12的数据传到电脑进行分析，使车模的调试变得更加直观。我队去年也采用了这种方法，但是结果一段时间的测试，发现仅靠串口传输数据远远达不到我们的要求。一方面串口的传输速率有限，另一方面难以将车模运动时的数据记录下来，毕竟S12的RAM大小只有8K，在存储了图片信息以后已经所剩无几。为了记录更多的数据，我们采用了车载SD卡，与S12通过SPI通信。通过SD卡可以将车模运动时的每一幅图片存储下来，事后进行分析，可以及时发现错误。在我们采用串口辅助调试时，只能对着几十幅图片进行分析，而采用SD卡以后，车模每开一圈都要存储几百幅图片，测试的数据量大大增加，使图像处理程序和控制算法得到了充分的测试，大大增加了其可靠性。不过我们的SD卡存储系统仍有不完善的地方，S12无法在20MS内将一幅14040的图片存储到SD卡中。因此，我们在使用车载SD卡时，算法周期为40MS。47驱动电路在去年的比赛中，大多数队伍都采用了2片或多片33886并联来增加驱动能力，少数队伍使用了自制的H桥驱动电路。此外，也有不少队伍使用了反压刹车。然而，H桥电路对于遥控车模来说，只会用作初级的调速器。而真正竞赛级电子调速器的性能则完全不在一个级别。第三届全国大学生智能汽车邀请赛技术报告14图43为NOVAK公司生产的电子调速器GTX，我们可以做一个对比MC33886内阻120M，承载电流5AIRF540内阻77M，承载电流23A电子调速器GTX内阻035M，承载电流700A可以看到，电子调速器的性能参数远远超过了33886和IRF540。下面就来解释为什么电子调速器（简称电调）会有如此出色的性能。首先，竞赛级电调并不使用全桥驱动，而是使用半桥，其原理图如图44所示。图中，下边的MOSFET控制油门，而上边的MOSFET控制刹车。当处于油门状态时，上边的MOSFET关断，用PWM信号控制下边的MOSFET来调整油门大小；当处于刹车状态时，下边的MOSFET关断，PWM信号控制上边的MOSFET，使电机的两脚短接，产生感应电流形成制动效果。在刹车状态下，由于电机转速越高产生的感应电流越大，所以车速越高刹车力度越强。这种刹车在低速时刹车力度很小，无法一下子将车模刹停，因此也被称为“软刹车”。然而在高速时其刹车力度却很大，大到足以让轮胎暴死。这种电路结构的好处是它可以比全桥少用一半的MOSFET，或者说在相同体积内可以多并联一倍的MOSFET来提升驱动能力。十年前的电调多采用TO220封装的MOSFET，用1到2片MOSFET并联做刹车，6片MOSFET并联做驱动，而近几年的电调多采用SO8或DPAK封装的MOSFET。尽管SO8封装的MOSFET电流承载能力比不上TO220封装的MOSFET，然而由于其体积小，可以将更多片MOSFET并联使用，例如GM公司的V12XC采用了8片MOSFET做驱动，8片MOSFET做刹车，另外还有一些电调使用12片做驱动，4片做刹车。按一片MOSFET内阻4M算，12片并联的内阻为033M，电调的性能也就可以解释了。图43图44第4章硬件电路部分15至于选择性能优秀的MOSFET，这并没有太大的难点，TO220封装的有IRL3713、IRF3703、IRF2804等等，SO8封装的有SI4430、IRF7832等等。以上MOSFET都是可以满足电子调速器需要的。此外，驱动电路中还有一个需要注意的地方。像上述的MOSFET的开启电压VGS至少在45V以上，而对于图44中上边负责刹车的MOSFET其参考点与电池正极是连通的，因此其开启电压至少在12V以上。也就是说，必须将单片机的信号放大或升压。一般电调的做法是使用一片如MIC4426或MIC4427这样的MOSFETDRIVER，加上一个升压电路，把驱动信号放大到20V左右。这个升压电路在电子调速器内可以做得很小，但我们目前还没有这样的技术。我们也尝试过从摄像头升压电路那里将电供给MOSFETDRIVER，但会导致摄像头电源不稳定。最终，我们驱动电路使用了SI4430作为驱动芯片，采用8片并联驱动、8片并联刹车的形式，使用MIC4427作为MOSFETDRIVER，用SI34063制作升压电路，升压至18V为MOSFETDRIVER供电。电路原理图如图45到47所示图45图46第三届全国大学生智能汽车邀请赛技术报告1648车模可调环节的设计使用拨码开关来调整参数是一种可以提高调试效率的好方法，然而，在追求电路板小巧的今天，电路上面不可能焊上很多拨码开关，更不可能装设键盘或液晶屏，但所需要调整的程序参数却越来越多。为解决这对矛盾，我们提出了以下一些解决方案1使用小型电位器对电源分压，然后用S12的片内A/D采集所分得的电压。这样仅用一位A/D就可读入一个旋钮的信号，可以用它来等比例调节车速等。另外可以在程序中设置阈值将这个信号分级，从而确保其可靠。2使用按钮配合拨码开关和LED。尽管电子调速器可以通过一个按钮加一盏双色灯来实现数十种模式的切换，但那个方法过于复杂，这里不做介绍。这里所说的方法是在拨码开关的拨上后，记录器件按钮按下的次数，在通过LED显示状态，从而完成模式的设置。例如拨码开关的第一位拨上，按钮按3下，再把拨码开关拨下，完成一次模式选择。如此，只需增加一个按钮就可以大大增加车模的可调性。3通过拨码开关、LED和光电编码器配合。图47第4章硬件电路部分17这种方法与上述按钮的方法类似，但无需增加任何元器件，仅通过程序就可实现。这也是我们最终所采用的方案。具体实现方法参见543光电编码器的妙用。第三届全国大学生智能汽车邀请赛技术报告18第5章软件部分19第5章软件部分51辅助调试软件今年我们将SD卡存储数据作为主要的辅助调试手段，但在标定摄像头等少数时候还是需要用到串口。下面将分别介绍我们的串口辅助调试程序和SD卡辅助调试程序。（注以下所有调试界面都使用VISUALSTUDIO2005中的C语言编写）511串口辅助调试软件图51图52第三届全国大学生智能汽车邀请赛技术报告20图51和52为我们早期编写的串口辅助调试软件的界面。除了可以接收图像外，可以将图像二值化（有阈值和边界两种模式），测试黑线提取算法，可以计算图像校正参数并测试校正效果，可以把图片保存下来做进一步测试。此外，还可以通过将车模行驶数据存在RAM中，再通过串口传到电脑，并显示数据曲线（如图53所示）。图54为我们现在所使用的串口程序。由于SD卡辅助调试系统已经较为成熟，足以解决算法测试的问题，因此新的串口程序中省略了赛道分析功能，而加强了图像校正参数的调整界面，并增加了连续接收图片的功能。图54图53第5章软件部分21512SD卡辅助调试软件SD卡的辅助调试软件分为两个部分，一个负责将解读SD卡内的数据，并将其存储下来，另一个则负责处理大量的图片。图55为解读SD卡的程序，可以显示图片以及行驶路程、速度、舵角等信息。存储时可将所有图片以BMP格式存一个文件夹内，将其余数据记录在EXCEL文件中。图55图56第三届全国大学生智能汽车邀请赛技术报告22图56为图片分析程序。可以读取指定文件夹内的所有图片，并读取EXCEL文件内的信息。有图片播放功能，可以再现车模的第一视角视频，支持在播放图片的同时进行图像二值化、赛道信息提取、控制算法、起跑线识别等，并且可以同时进行两个控制算法，将其输出的舵角值和速度值显示出来进行算法对比。52图像处理521图像采集策略使用片外A/D进行图像采集后，每行可采140点，图像的横向精度可以得到保证，但由于S12的RAM有限，只有8K，因此不可能每一行图像都采集。为了保证图像的纵向精度，必须有选择的进行图像采集。考虑到黑线的宽度为25MM，为了保证起跑线的检测，图像纵向的精度至少要达到25MM。因此，可以先将摄像头原始的图像标定，然后每隔25MM选出一行进行采集。由于摄像头远端的图像精度本身较低，原始图像的相邻两行的间距已经超过了25MM，因此我们将远端图像每行都采集，而近端图像进行选择性采集。采集的效果如图57所示图57图57第5章软件部分23由于近端采用了选择性采集，图像产生了额外的畸变。不过这种畸变是由我们采集造成的，我们也就可以轻松将其校正成原始的样子，校正效果如图58所示图像视野范围如图59所示（单位MM）图59522图像二值化图像二值化主要有阈值和边界两种方法。经过大量测试，我们发现边界方法确实有较好的抗反光能力，在光线不均匀的环境下，边界方法的表现比阈值图58第三届全国大学生智能汽车邀请赛技术报告24方法要好很多，在不同光线环境下，阈值可能变化很大，而边界变化则要小很多。然而，我们发现边界方法也有很多缺陷1无法分辨整行全黑和整行全白的情况2图像不清楚时丢失半边边界的情况很多，对起跑线识别造成困难3图像一旦模糊，边界将无法提取尽管阈值方法的光线适应能力较弱，但比赛场地的光线不会大幅度的变化，并且阈值方法没有上述的这些缺陷，因此，我们最终采用了固定阈值对图像进行二值化。用阈值方法时，有时图像近端两侧会出现较多的噪点，对图像处理不利，因此我们也曾试过图像近端采用边界方法，远端采用阈值方法。不过，我们图像处理采用区域性搜索以后，这个问题也就迎刃而解，阈值方法可以完全满足要求。具体区域性搜索的方法在下一节介绍。此外，当环境光线不好时，图像远端的黑线会变得较淡。针对这种情况，我们使用了按位置变化的阈值，将图像远端的阈值设得高一些，近端的阈值设得低一些。测试表明，这样会增加图像中黑线周围的噪点，但比起无法分辨黑线来说，这还是要好很多的。523黑线提取及去噪我们提取黑线的基本思想是在图像近端取出黑线的基准，然后根据黑线的位置连续和斜率连续将之后的黑线搜索出来。先介绍我们早期的图像处理过程1对图像进行行扫描，将每行中连续的黑点认为是可能的黑线，记录每段黑线的中心位置和宽度，滤去过细的线，对于过宽的线，若前一行有黑线的中心位置在其宽度范围内，则用前一行那段黑线的位置来替代那段过宽的线。如图510和511所示（510为原始图片，511图中蓝点为各段黑线的中点位置）第5章软件部分252在近端若连续两行中都只有一段黑线，则将这两行中的黑线作为基准。3根据前两行，按照其黑线延伸方向（斜率方向）来定出下一行黑线的范围。若下一行在这个范围内有多端黑线，则取最接近的那段；若下一行在这个范围内没有黑线，则认为黑线终止，停止搜索。如图512所示。以上是我们提取黑线的基本方法。然而，由于14040的图像尺寸较大，若全图搜索效率太低，无法在20MS算法周期内完成。因此，我们对上述方法进行了优化，将以上3个过程交叉执行，对图片进行区域扫描。如此，可以将算法效率提高四倍以上。其具体过程如下图510图511图512第三届全国大学生智能汽车邀请赛技术报告261在图像近端10行内全行扫描，直到找出基准行，若找不到基准行则认为黑线丢失。2根据前两行黑线的斜率推出下一行中黑线的位置，在这个位置两侧的一个范围内进行搜索，将连续的黑点认为是黑线，记录其中心位置和宽度。滤去过细的线，对于过宽的线，若按前两行黑线斜率推出的黑线的位置在过宽的线以内，则用推得的位置替换原黑线的位置。若搜索到多段黑线，取最接近的那段，若没有搜索到黑线，则认为黑线终止，停止搜索。以上方法中，只要搜索范围设置合理，其准确性是很好的。实际中，为了保证能搜索到起跑线的缺口，我们将搜索范围设置的稍大。我们借助SD对大量图片进行了测试，以上方法提取黑线的准确率极高，并且能有效过滤十字交叉。此外，可以利用上一幅图片近端黑线的位置来限制下一幅图片近端的搜索范围，这样，图片的近端也可避免全行扫描，使算法效率更加提高，去噪能力更强。不过，这种方法只有在利用SD卡对车模的动态图片进行连续分析后才是可行的，我们测试的结果表明，这个动态的搜索范围需要设置的大一些，从而确保不会将正确的赛道信息滤掉。算法效果如图513到515所示（图中绿线为所提取的赛道黑线，蓝线表示搜索范围，为说明该算法的去噪能力，图516中有意将阈值设得过大）524赛道划分及赛道曲率分析图像处理中，我们对赛道类型的划分是基于对赛道正确提取后。在确定一副图像的有效前瞻后，可以根据前瞻距离的不同，计算赛道的曲率，然后对不图515图513图514第5章软件部分27同有效前瞻量的赛道进行赛道划分。我们将所有赛道特征分为如下几类1直道2S弯3左弯4右弯5坡道6丢失黑线。在图像处理时，我们引用了LINESTOP变量记录一副图像的有效前瞻量。我们首先以LINESTOP的一个界值将赛道分为两类，直道、直道入弯、及S弯因其有效前瞻大而划分为一类，其他类型（包括左弯，右弯，坡，丢线等）划分为另一类。将赛道划分为两大类后，需要在赛道上提取出一段有效部分进行赛道曲率计算，然后分别在两大类中，根据不同曲率将赛道划分为不同通类型。曲率计算我们参考了去年东北大学猎豹队计算曲率的方法，使用一段弧线上的三点进行曲率计算。为了保证计算的曲率能更准确的反映赛道信息，需要在可靠行内，用到赛道各个段的点进行曲率计算。根据赛道有效前瞻的不同，我们动态的从赛道可靠行内提取出四个点，其中两个关键位置的点重复利用，利用三个间距较大的点（1、3、4点）校正后的距离计算一个曲率，间距较小的三个点（1、2、3）校正距离计算另一个曲率。将两个曲率值综合，就能够较准确地反映出赛道的信息。如图516所示图中赛道正中四个蓝色的点即为计算曲率所提取的点。图516第三届全国大学生智能汽车邀请赛技术报告28曲率计算出以后，根据对大量图像信息的统计、分析，确定出赛道划分的曲率阈值。分别在两大类中，对每副图像的曲率与阈值进行比较，即可确定出赛道类型。525起跑线识别起跑线识别是在赛道正确划分的前提下进行的，即我们只在直道上执行起跑线识别算法。由于我们在黑线提取时采用区域扫描的方式，这种方法无法将起跑线或十字交叉完整地提取出来。尽管在正对十字交叉时，不会出现起跑线的缺口特征，但在斜对十字交叉时，由于纵向检测精度不够高，会出现与起跑线相似的缺口特征，导致起跑线误判，如图所示。因此，我们在提取黑线之后，再对有可能有起跑线和十字交叉特征的图像进行单独处理。图517首先，我们找出起跑线或十字交叉与引导线的交叉点，然后在交叉点的前后几行内进行全行扫描，记录下每行的黑线段信息，分析出交叉线的长度，从而区分十字交叉和起跑线。这样做起跑线的识别精度能够达到不错的效果。由于车模大部分情况不是正对着十字交叉跑过，所以十字交叉在图像中并不是在一行中出现，而是在前后很多行的范围内出现，所以要检测出十字交叉，全行扫描的行数必须要足够大，这样就必须要以牺牲算法效率为代价，所以最后我们放弃了这种方法。第5章软件部分29既要能够有效识别十字交叉和起跑线，又要兼顾算法效率，在分析了十字交叉在图像中出现的情况后，我们采用了局部扫描方式。这种方式的思想为一副图像中发现有交叉点后，在交叉点附近对交叉线进行搜索。与提取黑色引导线的方法类似，可以将交叉线的信息提取出来，然后分析交叉线两端到交叉点的距离，从而区分十字交叉和起跑线。起跑线识别效果如下图所示图518526坡道识别由于白骑士的摄像头架得很低，在坡道上看到的信息较少，受外界干扰太大，所以有必要在上坡过程中，对坡道进行识别，并在坡道上采取一些特殊的控制。第三届全国大学生智能汽车邀请赛技术报告30根据对图像的分析，我们总结出坡道特征为曲率小，有效前瞻小，黑线在图像中凭空消失。根据这些特征，我们能够在上坡前和下坡时识别坡道，如图519示上坡后由于白骑士的摄像头架设低且前瞻大，因此会丢失赛道信息或受外界干扰，出现将外界干扰信息识别为弯道，如下图所示。针对这种情况，我们采用记录坡道特征的方法，上坡时如连续检测到坡道特征，则在坡道上不在接受图像处理的弯道或丢线信息，直至下坡后检测到直道信息后才将坡道特征清除。如此，基本解决过坡道不稳定的情况。图519第5章软件部分3153控制策略531控制目标只有合理的速度分配和转角控制才能将车模的性能发挥出来，这不是多少半径的弯就给多少速度那么简单。飞思卡尔智能车比赛也是一种赛车比赛，只不过将赛车手换成了自动控制系统。在赛车比赛中，车速并不是一切，要想跑出好的成绩，还需要一条合理的行车线。因此，我们的目标不仅是让车模能加到高速，并且要优化车模的走线。在我们长期的测试中，以下赛道特征是最容易出问题的。图520第三届全国大学生智能汽车邀请赛技术报告321半径500MM60S弯2半径500MM120S弯3半径500MM270弯4半径500MM发夹弯5大半径弧线在测试中我们发现，车模只要能正常通过最小半径的弯和最大半径的弯，其余半径的弯道多半不会有问题，变半径的弯道也是如此。在小半径急弯中，车模容易减速不及时而冲出跑道，而在大半径弯中，车模容易切弯过度而冲出跑道。因此，以上几个赛道特征是有代表性的。我们的对于以上赛道特征的控制目标如下160S弯全速直走。2120S弯保持中速切线。这里的难点在于要走切线，但不能过度切线。3270弯速度降到最低，略微切线。这里切的程度与车模的机械性能有很大关系，尽管在270弯中，沿线走不一定比切线走要慢，但若车模冲得太远，图像中容易丢失黑线，对图像处理不利，因此最好能把行车线控制在小圈以内。第5章软件部分334发夹弯速度降到最低，沿线通过。我们认为这是所有赛道特征里最严峻的弯道，因此只要能通过发夹弯，其它急弯都不是问题。5大半径弧线高速切线通过下面将介绍我们速度和舵角的控制策略及其所达到的效果。532速度P控制尽管普遍认为PID算法可以达到比较好的控制效果，但是参见前两届上海交大的技术报告，电机的特性较软，用BANGBANG控制进行控速足以满足要求。我们测试下来，使用BANGBANG控制可以使速度控制的快速性达到最大，但在抓地力不足时，车速可能发生震荡。因此我们最终采用了P控制，并加了一个偏置，以抵消车模本身的阻力。其中P系数取得较大，在速度偏差达到025M/S时就会全油或全刹。533速度分配策略我们速度分配的基本思想是有效前瞻量越远，给定速度越高。根据遥控车手的经验，当车模速度达到70KM/H左右时，在弯道前十几米就应该减速，并调整好入弯位置（最好从外道入弯）。因此，速度控制和舵角并没有什么直接的联系（除非通过油门和舵角配合来控制车模的重心移动）。这里，我们要做的就是利用好白骑士那近3M的前瞻量，让车模在入弯前及时减速。测试中我们发现，在无法分辨入弯和出弯的情况下，入弯减速提前也意味着出弯加速延后。因此，必须要有一条合理的速度分配曲线才能将车速始终保持在最合理的状态。实际中，白骑士的给定速度与校正后的有效前瞻量（即世界坐标下视野内黑线在纵方向的长度）成线性关系。其关系式为给定速度（毫米每秒）1050225有效前瞻量（毫米）534PD参数对舵角控制的影响前两届比赛中，普遍认为用PD控制来控制舵角的效果较好，我们测试的情况也是如此。其中，P项一般是在图像中选出一行，计算其中黑线与图像中心位置的偏差，而D项有两种形式，一种是将选定行的黑线位置与上一幅图片中的位置相减，从而反映其变化率，以下称为D1项；另一种是利用图像中的两行算第三届全国大学生智能汽车邀请赛技术报告34出黑线与车模的夹角，这个夹角可以反应黑线与车模位置偏差的变化率，以下称为D2项。在测试中，我们总结出以上参数对车模转向控制的影响如下P增加P项系数可以最强车模的沿线能力，并且可以使车模的转向提前，实现切弯效果，但在大S弯中切弯不明显，过小S弯时舵角会抖，若P系数太大，也会导致大半径弧线切弯过度。D1算法中加入D1项后，可以使车模入弯时转向提前，出弯时转向减少，对大S弯切线很有好处。降低P系数而增加D1系数可以使车模在大S弯内切线的程度增加，在大半径弧线中的切线量减少。我们曾以一个很近的前瞻量，通过调节P系数和D1系数的比例，实现了大S弯直走（当然这是犯规的）。D2算法中加入D2项后，会使弯道中的舵角普遍增加，对大S弯切线有一定好处，但大半径弧线也容易切弯过度。若采用较大的D2项系数配合较小的P项系数，车模在直线时的沿线能力会下降，而弯道中的舵角会过大。535转向参考行的选择转向参考行是指图像中用于计算黑线与车模偏差的那行。转向参考行直接决定了车模入弯时转向的提前量，转向参考行越远，车模的转向就越提前，切弯了量也就越大。由于舵机和车架本身有一定的反应延时，车模转向需要有一定的提前量。但是这个提前量也不宜太大，否则在进入像180弯这样的急弯时，车模会过早走到内线，对车模入弯角度不利。因此，转向参考行不是越远越好。通常情况下，白骑士的转向参考行在第17行，距车头约09米。当有效前瞻量小于17行时，则取有效前瞻中最远的那行作为转向参考行。由于近端的图像信息比远端可靠，因此取较近的转向参考行还可以确保舵角的可靠性，远端的图像只与速度分配有关。即使远端黑线的识别出现问题，只会对车速产生影响，并且这个影响多数是使车速降低，不会导致车模冲出跑道。这使车模拥有更高的容错能力。此外，我们也尝试过根据车速动态前瞻的方法，即车速越高参考行越远。测试表明，这种方法可以有效防止车模在大半径弧线中切弯过度，在正常弯道中也不会因为车速未达到给定速度而切弯过度，但是在高速入大S弯时，车模必然切弯过度冲出跑道，因此我们一般不使用这种方法。第5章软件部分35536转角曲线图521我们采用了一条如图521所示的抛物线作为白骑士的舵角曲线，即之前PD算法所算得的结果与舵角成抛物线关系。测试表明，这条抛物线越凹，车模在直线时的沿线能力越弱，走线越飘逸，有时甚至会平行于黑线行驶。利用这种方法，可以使车模直冲小S弯，但在大S弯容易切弯过度。因此，我们最终还是将这条抛物线调得较直，而通过PD参数的调整来实现S弯的切弯。537利用舵角D参数进行速度微调通过选择转向参考行、设置PD系数以及调整转角曲线，总可以将车模的行车线调整到一个较为理想的状态。然而，按照操控遥控车的经验，目前车模的速度控制仍然是不合理的。在后两轮驱动的电动公路遥控车比赛中，车模在出弯时的甩尾问题非常严重。然而，在我们的智能车比赛中却极少有车子会发生甩尾。其中一方面原因是由于场地的抓地力够高，车模的轮胎不容易打滑，但更主要的原因是车模出弯加速的延后。玩过遥控车模的人都有感觉，车模在过弯过了一半以后已经可以加油门了，车模不会因为速度太快而转不过来。当然加速过猛也就会导致甩尾。然而，智能车在控制时，只有看到出弯后才会加速，这使得车模的加速时机比人手操控时晚了半个弯道，所以不容易发生甩尾。为了使车模出弯的加速点提前，我们利用之前控制舵角的D1项对车速进行了微调。当车模与黑线的偏差增大时，给定速度降低，当车模与黑线的偏差减小时，给定速度增加。这样可以在一定程度上使车模入弯时减速提前，出弯时加速提前。测试发现，采用这种方法还可以增加车模的沿线能力，车模有时在050100150200250123456789101112系列1第三届全国大学生智能汽车邀请赛技术报告36小S弯中会出现轻微的抖动。然而，这对出弯加速的提前量仍然是很有限的，仅仅是微调作用，也许只有利用旋转摄像头或是准确的路径记忆才能够解决车模加速滞后的问题。54速度编码器妙用光电编码器除了用于测速外，还可以实现很多功能。这里首先要感谢去年清华大学的演示队伍，是他们的起步程序给了我们灵感。54