漆总对淘懿超市挑战赛2384

1、队长：队员 1： 队员 2：一、方案总述学号：3170105043学号：3180106003 学号：3180102361号：号： 号：(1)功能设计由于画图的队员的电脑突然出现问题，导致画到一半的整体图丢失，因此此处较为粗糙敬请谅解。我们战略就是从起点出发后，先按一号线靠近 E 取。之后借助超声波测距进一步靠近 E 区，改变车的行驶方向，使车头继续和 E 区边界线平行。走过 E 区的一条边，借助摄像头辅助抓取三个物体（两个放在车上，一个抓手上）。之后右拐。回到正常轨道。通过 E1 点。绕到场地最，之后通过循迹围场地一圈，在需要放置物块的地方停下，进行放置，之后绕回到起点，再进行上述步骤，抓取

2、E 区右侧的三个物块。抓取后回到起点区进行重复绕行，放置物块。简单来讲，就是绕场地四圈，通过事先的坐标化，规划出每一次绕行的而避障。轨迹，进这是我们的传感器俯视图，如图，前方及右侧共有七个红外，前面除中间以外 4 个红外负责循迹及坐标计数，中间的红外为中间是白色的判别，旁边的两个红外是在原地转向时候保证正好转 90°。(2) 取胜思路和可行性分析1.货物的抓取与放置：由于货物集中在 E 区，所以我们事先根据场地做好坐标规划，放置传感器循迹，通过经过白线的数目来分析出坐标确定当前位置，直接行驶到 E 区进行抓取。抓取第一个货物后放置其槽中，第二个物体也同理放置储物槽中，当第三个物品抓取

3、完后，将其保留于机械臂上，同时在抓取货物的同时进行视觉识别，明白这是什么东西。抓取完三种货物后，便利操作，通过装在机械手上的超声波传感器进行放置，然后从储物槽中抓取一个货物，继续巡线至货架指定点，紧接着进行格子中有没剩余的格子，发现空货架后都放好后，立刻前往 E 区进行下一个区域货物的抓取。通过我们设计的两个储物槽，在抓取前两个货物后可以分别将其进一个槽中，最后抓取方砖货物直接握在机械爪中。（相比其他货物其比较稳固不易脱落）。机器的巡线：由于场地地面为均匀小格子，我们计划将各条线的交点坐标化，有助于更加精确的识别出货架的位置和进行避障。2.3.可行性：通过坐标进行精准巡线，同时机械臂制作精良，

4、出错。(3) 涉及研制重点 ，我们认为主要难点和不确定度最大的地方还是在循迹，以及由于不能使用全向轮，导致循迹的大大增加，而且怕小车在转弯时候不传感器错误地检测到了白线导致坐标出现错误（此会导致满盘皆输），所以循迹一定要做好，不能出现任何差错。为了循迹不出现差错，我们采用巡线模块加超声波定位以及拍摄的的偏差，采用闭环结构，一直定位当前的位置。辅助定位的。为了避免误差累计导致大2.的突况：为了防止出现非常大的偏差导致比赛中断，根据传感器的数据进行分析，得到当前的状态免造成结构的损伤。二、机械结构设计，并且进行调整，如果发生很大的误差，自动停止运行，避(1)重要零件图载物台，用来放置装的东西底盘表

5、面板电机：底盘滚轮：侧面装配板：(2)主要机构装配图和功能简介底盘成品效果图，能实现普通循迹，原地转向，避障等功能。三、电路设计3.1电路功能描述各个模块按照框图所示进行交互,由Arduino 起作用,中期必要时可以再使用一个Arduino器来单独机械臂,减少调试的难度.3.2 主控考虑到需要引脚数较多,实惠,处理方便等因素,采用 Arduino 作为板,能够简单方便地实现数字与模拟量的输入输出、方波输入输出以及 TTL 串口通信处3.3 传感器选型3.3.1 超声波传感器模块超声波模块由发射电路和接收电路组成,如图 3 所示.其中发射电路由 Em78p15 单片机、MAX232 及超声波发射

6、头 T40 等组成,接收电路由 TL074 运算放大器及超声波接收器 R40 等组成. 探测时,超声波发射器发射出长约 6 mm,频率为 40 kHz 的超声波信号.此信号被物体反射回来由超声波接收,实质上是一种压电效应的换能器.它接收到信号后产生 mV 级的微弱电压信号,电压信号再在模块中转换为数字信号.声波脉冲由传感器发出到接收所经历的时间为 t,超声波在空气中的传播速度为 c,则从传感器到目标物体的距离 D 可用 D=ct/2 求出.3.3.2 红外传感器模块红外测距模块采用GP2YOA21 红外测距传感器,GP2YOA21 型红外测距传感器是基于位置敏感传感器 PSD(Position

7、 Sensitive Device)的微距传感器,捕捉的是光信号并且有着基于 Lucovusky 方程的电路设计,其有效的测量距离为 80 cm. 红外测距其优点是无盲区、测量精度高、反应速度快,但其缺点受较大、探测距离较近.因此本文设计了基于多传感器融合的智能小车避障系统,采用红外传感器与超声波传感器互补,使具有精确的感测范围.3.33视觉openmv 是一款款低价,可扩展,支持的机器视觉模块.openmv 内置Micro解释器,可以直接用(Micro)编程,高级数据结构使你很容易在机器视觉算法中处理复杂的输出,编写你所有的逻辑,如字符串的,可以调用库,如json、正则、struct、soc

8、ket.全速 USB(12Mbs)连入电脑时,会自动弹出一个 U 盘,用来直接保存.载接口 10 位 IO(输出 3.3V 且 5V 兼容):AD/DA(12bit)、SPI(54Mbs)(传送图像流数据)、I2C、2UART、3 舵机接口.wifi 扩展板采用 atwinc1500,传输速率 48Mbps,PC 端输入实时查看图像 SD 卡保存图片、录制,调用模板匹配算法时,使用图片进行匹配识别标准 M12 镜头底座,标配视角 120 度、无畸变视角 90 度标配镜头焦距 2.8mm、无畸变镜头 3.6mm.4.电池选型四、算法设计(1) 算能描述1.循迹模块（因为我们采用是性）：式结构，而

9、且我们打算降低行驶速度来换取不打滑与准确普通循迹模块：我们通过车前的两侧共四个红外来进行循迹，当在循迹模式时候，左边两个红外只要有一个检测到白线则左拐，反之如果右边有一个检测到白线则右拐，然后我们打算四个传感器稍微放的近一点，车速降低一点以保证车子准确在白线上行驶。计数模块：车前面的四个红外也同时充当了一个计算的作用，当四个红外同时检测到白线的时候则 i+1，代表坐标加一（我们始终保持车子朝前）。转弯模块:当车行驶到事先规划转弯地点后，降低车速，当中间的红外传感器测的白线时候（证明车刚刚行驶过白线一半），这时候 stop。紧接着一边反转，一边正转，知道最中间的红外传感器检测到白线时候（车重新回

10、到目标轨道上面），接着进入循迹模块。2.机械臂抓取：机械臂的方面主要是手工调节参数（舵机的角度）使得机械臂能到达指定的地方。由于舵机动力相对不足，需要使动作时速度不能太快幅度不能太大。为此我们专门写了一个舵机的函数来让每一个舵机的每一次运转都只能慢慢执行。具体实现是使其每过一定角度等待一下。为此牺牲了舵机机的成本。3.视觉识别：的并行性，舵机一次只能转动一个。但是也由此减少了更换舵视觉部分：我们的视觉识别不打算用机器学习的办法，因为机器学习对于硬件的要求比较高，而我们并不打算把电脑放车上。而使用树莓派感觉识别速度又不够，因此我们打算使用openmv。大致思路是就是直接通过 openmv 中的摄

11、像头捕获图像，再经过Matching 模板匹配，看最接近哪个模板，以此来目标识别。整体算法框图：Template(2) 算法实现1.主控部分：主要利用 Arduino 进行2.视觉部分：，因此会用到 Arduino 基本的库，编程语言为C/C+。视觉部分用 OpenMv 来做。OpenMV 是一个开源，低成本，功能强大的机器视觉模块。以STM32F427CPU 为，集成了 OV7725 摄像头，在小巧的硬件模块上，用 C 语言高效地实现了机器视觉算法，提供编程接口。3.通讯部分。在 OpenMv 和 Arduino 板之间建立起串口，以此进行通信，即 OpenMv 将视觉识别的结果以数据的形式

12、发送给 Arduino 板，再由 Arduino 板子事先编到哪个区，以此实现物体的准确去向。代码来确认物体应该放五、1.采用创新点，我认为可以增加车的原地转向能力，可以保证车基本是按照 X Y 方向来走的。2.避障方面，直接事先对于走的轨迹进行全盘规划，绕过法设计。六、尚未解决的难点问题1.事先规划路径不确定度太大。物，这样就可以节省避障的算2. 机械臂的抓取，目前我们想的是通过多次测定参数来抓物体，但是这样就需要物体每次放的位子基本不变，因此无法应对偶然性，我们想弄智能抓取，而不仅仅靠一开始定的参数， 但是这个我们也没想到好法子。（目前打算通过摄像头来识别位置，不断调整机械臂位置来精准夹物体）3. 过