AprilTag与自抗扰控制结合的智能平衡跟随车的设计

现代电子技术
Modern Electronics Technique
Aug.2022Vol.45No.16
2022年8月15日
第45卷第16期
0引言
近年来随着机器视觉的快速发展，智能识别定位技
术在工业应用中产生了良好的效益[1]。

AprilTag 是一种视觉基准定位技术，可以实现3D 定位功能[2]；OpenMV 是一种装载有视觉算法摄像头的集成单片机，通过串口程序和小车主控模块实现通信。

基于OpenMV 的AprilTag 技术可以实现小车有效精准定位和跟随。

两
DOI ：10.16652/j.issn.1004⁃373x.2022.16.032
引用格式：李楠，鲁根森.AprilTag 与自抗扰控制结合的智能平衡跟随车的设计[J].现代电子技术，2022，45（16）：170⁃174.
AprilTag 与自抗扰控制结合的智能平衡
跟随车的设计
李
楠1，鲁根森2
（1.东华大学，上海
201620；2.复旦大学，上海
200433）
摘
要：针对传统家用手拉车和医用手推车需要手动牵引的问题，文中设计一种能够实现自动平衡与跟随的智能车。

硬件设计包括STM32主控芯片、MPU6050运动传感器模块、直流电源模块、电机驱动模块和加载有AprilTag 的OpenMV 摄像头模块等，并采用两轮底座设计；软件设计包括OpenMV 模块、STM32主控模块和电机驱动模块等。

系统通过OpenMV 实时拍摄AprilTag 获取位置信息，通过串口通信实现OpenMV 和STM32数据交互，由STM32控制智能车实时调整车体状态，实现稳定自平衡、灵活转向和精准跟随。

文中的创新点是将自抗扰控制算法和视觉定位算法相结合，采用自抗扰控制算法实现智能车的平衡控制，采用AprilTag 视觉定位算法实现智能车的跟随控制。

实验测得智能平衡车的稳定跟踪距离为0.5~5m ，最大跟踪角度为正轴线±45°，说明两轮智能平衡跟随车的跟随精度高，平衡稳定性好。

关键词：AprilTag ；自抗扰控制；OpenMV ；STM32；视觉定位；自动跟随；自平衡控制；两轮智能车中图分类号：TN830.1⁃34；TP202+.2
文献标识码：A
文章编号：1004⁃373X （2022）16⁃0170⁃05
Design of intelligent balance following vehicle combining AprilTag with
auto⁃disturbance rejection control
LI Nan 1，LU Gensen 2
（1.Donghua University ，Shanghai 201620，China ；2.Fudan University ，Shanghai 200433，China ）
Abstract ：In allusion to the problem that the manual traction problem of traditional household vehicle and medical vehicle ，an intelligent vehicle that can realize auto⁃balance and following is designed.The hardware design includes STM32main control chip ，MPU6050motion sensor module ，DC power supply module ，motor drive module and OpenMV camera module with AprilTag ，and the two ⁃wheeled base design is adopted.The software design includes OpenMV module ，STM32main control module and motor drive module.In the system ，the OpenMV is used to shoot AprilTag in real time to obtain location information ，the data interaction between OpenMV and STM32is realized by means of the serial communication ，and the STM32control is used to control the intelligent vehicle to adjust the car body state in real time and achieve stable auto⁃balance ，flexible steer and precise following.The innovation points in this paper is the combination of the auto ⁃disturbance rejection
control algorithm and the visual positioning algorithm ，the auto ⁃disturbance rejection control algorithm is used to realize the balance control ，and the AprilTag visual positioning algorithm is used to realize the following control of the intelligent vehicle.The experimental shows that the stable tracking distance of the intelligent balance vehicle is 0.5~5m ，and the maximum tracking angle is the positive axis ±45°.It can be seen that the two⁃wheel intelligent balance following vehicle has high tracking accuracy and good balance stability.
Keywords ：AprilTag ；auto⁃disturbance rejection control ；OpenMV ；STM32；visual positioning ；automatic following ；auto⁃
balance control ；two⁃wheel intelligent vehicle
收稿日期：2022⁃01⁃21
修回日期：2022⁃02⁃28
基金项目：国家自然科学基金面上项目（62073071）
170
第16期
轮平衡车运动灵活、占地面积小、环保节能、应用广泛。

其核心问题是运动平衡控制问题。

但由于载物重量的不同，使得两轮平衡车系统无法准确建立数学模型，这就导致控制器以较差的稳定性能对系统进行控制[3]。

为了优化控制并适应不同重量载物，本文采用带有线性观测器的自抗扰控制，通过状态反馈主控制器驱动电机进行平衡控制[4]，利用零极点优化配置进行速度控制[5]。

本文结合AprilTag 和自抗扰控制技术，用两轮智能平衡车模拟真实载物车，测试载物车实时跟踪目标的性能。

1硬件电路设计
本设计采用STM32F103C8T6作为核心处理开发
板，配以MPU6050运动传感器模块、直流电源模块、电机驱动模块和加载有AprilTag 的OpenMV 摄像头模块[6]，实现小车的自平衡与追踪。

智能平衡跟随车系统框图如图1
所示。

图1智能平衡跟随车系统框图
1.1
主控芯片
STM32系列芯片具有成本低、功耗低、I/O 端口十分
丰富等优点，所以本文设计主控芯片选用STM32F103C8T6芯片。

STM32F103C8T6单片机配有容量为64KB 的程序存储器，工作频率为72MHz 。

智能平衡跟随车系统中，STM32通过串口与系统各个模块连接，负责接收与处理运动传感器和OpenMV 模块传输的信息，然后输出控制量到电机驱动模块，对电机电压输出大小进行调整，实现稳定平衡。

1.2
AprilTag
AprilTag 检测方法在工业中有很多应用[7]，旨在当图像变形和旋转时更好地进行检测[8]。

虽然AprilTag 视
觉基准的信息有效载荷较小，但对分辨率低、照明不均匀、特殊旋转或藏在角落的信息都可以自动检测并定位。

为了满足定位跟随精度需求，本文采用TAG16H5进行实验。

AprilTag 图标是附着于目标物体上的，在系统中为OpenMV 提供定位目标，小车基于图标可以解析出3D 位置信息，实现空间位置调整。

1.3
OpenMV 摄像头模块
OpenMV 集成了STM32F765VIARM 处理器和
STM32H743II 图像传感器的机器视觉模块。

OpenMV 可
以通过Python 语言编程控制代码实现多种功能操作[9]。

智能车系统中，OpenMV 装载于车体正前端，识别空间中AprilTag 图标，然后通过内部数据处理器解析AprilTag 图标的3D 位置；再通过UART 串口传输数据到STM32主控模块，准确定位出智能车位置。

1.4
电源模块
智能平衡跟随车系统依靠直流电源供电。

主控芯
片工作电压为3.6V ，电机驱动模块与OpenMV 模块电压相同，为5.0V ；直流电机供电电压为7.2V 。

为确保小车稳定工作，本文车载电源采用18650锂电池为小车供电，电池组电量充满时，其总电压可以达到8.4V 。

1.5
电机驱动模块
直流电机和驱动部分共同组成了电机驱动模块。

直流电机部分利用差速实现转向，由两个直流减速电机作为小车动力来源。

驱动部分使用TB6612FNG 电机驱动芯片，通过脉冲信号实现对电机转向、校正、停止等响应的控制。

1.6
陀螺仪加速度计模块
MPU6050模块是一款运动处理传感器。

智能车系统中，陀螺仪加速度计和STM32连接，实时传输车体当前的倾角和运动状态，然后通过自抗扰控制模块进行状
态补偿，实现快速自平衡。

2
软件设计
2.1
软件总体设计
智能平衡跟随车的软件设计主要包括OpenMV 模块、STM32主控模块和电机驱动模块三部分。

小车系统运行，首先进行系统初始化，主要包括设置小车速度初始参数值、初始化系统定时器、外部中断及串口。

开启串口收发中断和定时器中断后，得到来自OpenMV 摄像头的图像数据流。

视觉模块识别到目标环境中的AprilTag 图像后，解码AprilTag 图像信息，然后将信息发送给STM32单片机主控模块。

主控模块接收到AprilTag 信息后开始调整左右电机的输出量，进行车身速度和角度的调整，最终实现稳定平衡与跟随目标的功
能。

OpenMV 摄像头在检测到对应家族的AprilTag 图标时，计算出小车相对于图标的距离信息及相对中轴线的偏差角度信息，最终由主控模块发送指令驱动电机进行小车方向校正。

为达到稳定距离跟随目标，小车在方向稳定后实时返回目标距离与设定值的误差值h ，当误差值h =0后，实现固定安全距离的跟随。

如果小车受到外李楠，等：AprilTag 与自抗扰控制结合的智能平衡跟随车的设计
171
现代电子技术
2022年第45卷
力作用，将会重新返回系统平衡调整模块，通过自抗扰
控制算法实现参数动态自平衡。

软件设计流程如图2
所示。

图2系统软件设计流程
2.2
AprilTag 的识别
通过AprilTag 图标的识别，能够精确计算出图标相
对于摄像头的位置信息[10]。

识别出的Tag 共有6个自由度的空间参量，分别是3个角度空间参量和3个位置空
间参量。

在串口通信程序中可以将这6个量输出为具体的6个数据传输量，设空间坐标轴分别是X ，Y ，Z ，可以得到3个空间旋转量是R X ，R Y ，R Z ，及3个空间位置量是T X ，T Y ，T Z 。

可以看出，AprilTag 传输参量同时具有距离、偏角的数据，能够判断出Tag 图标相对于小车的精确空间位置。

图标处理过程将会辨别Tag 的家族类别，区分出Tag 的家族ID ，具体的识别图标计算过程如图3所示，由左至右分别是计算图标的像素梯度大小和梯度方向，对像素进行聚类及线段拟合，最后进行线段的组合构成四边形区域。

OpenMV 模块提取出检测到的Tag 图标信息，然后
反馈给STM32主控模块，通过角度偏差量来判断左右信息，通过误差值数据h 来判断距离信息，不断校正小车位置进而修正误差值，直到接收数据值与参数设定值二者相等时，可实现智能小车的稳定自平衡和固定距离
跟随。

图3AprilTag 识别过程
2.3
两轮自平衡车动力学模型
本文不考虑实际环境中存在的摩擦力和风阻等因
素影响，运用拉格朗日动力学理论进行分析，其公式为：
d d t ()
∂T
∂q i
-
∂T
∂q i
=Q i
（1）
式中：T 为总动能；
q i 为广义坐标；Q i 为广义力。

通过广义力与动势能变化的关系，建立两轮自平衡车系统动力学数学模型如下：
θl =()
M l -F l R -14mR 2-R 2()m l +m r 4-mR 2L 2sin 2θ4f 2-R 2J r 4f 2θr -mR 2L 22f
2
()θl -θr θsin θcos θ-mRL 2
()θcos θ-θ2sin θ(
)
14mR 2+m 1R 2
+J l +R 2()m l +m r 4+mR 2L 2sin 2θ4f 2
（2）
式中:θ为控制杆的摆角；
θl ,θr 为左右车轮转角。

式（2）中涉及的各个参数的物理意义如表1所示。

坐标系原点设置成底座轮子的旋转中心点，由原点引出指向小车前进方向右侧的是x 轴，由原点引出指向车前进反方向并且平行于路面的是y 轴，由原点引出垂直于x ⁃y 平面方向向上的是z 轴。

对于两轮自平衡车系统，通常有三个方向上的自由度，方向上分别是绕轮轴的前后摆动，水平面内的转向运动和平动。

从两轮自平衡车受力的数学模型可以看出，载物重
量的变化及各种外界因素对该系统的影响程度区别较大，原因在于系统模型参数会随着外部因素变化而动态变化。

为了有合适的电机转矩输出量使系统保持稳定，需要控制器对转矩进行动态调整。

2.4
线性自抗扰控制技术
在非线性控制律技术中，自抗扰控制技术是较为常见的一种，其核心内容是采用扩张状态观测器ESO 观察并补偿系统的总干扰[11]，然后采用控制方法对干扰进行调整[12]。

传统的自抗扰控制器在实际应用中受到很多限制，主要是因为要对多个参数进行整定。

后来经过优
172
第16期
化，以线性化的形式将全部控制器和状态观测器进行转
变，得到了线性自抗扰控制器，其控制效果较好[13]。

在线性自抗扰控制器（LADRC ）中，核心部分由非线性PD 控制器、跟踪微分器以及线性扩张观测器（LESO ）构成。

根据本文建立的系统数学模型，用二阶控制对象替代原有控制对象，控制方式就可以升级为二阶自抗扰控制器。

小车自平衡控制器结构如图4所示。

表1两轮自平衡车模型参数表
参数定义m l ，m r f l ，f r θl ，θr M l ，M r J l ，J r 2d m θL R ψ
参数意义左右车轮的质量左右车轮和地面的摩擦力
左右车轮的转角左右电机的转矩左右车轮绕轴的转动惯量
轮轴的长度载物的质量载物前后的倾角质心到电机转轴的距离
车轮的半径
平衡车转弯角度
图4小车自平衡控制器结构
首先建立线性扩张观测器（LESO ），表示为：
{
z =A z +B u +L (y -y
ˉ)y
ˉ=C z （3）
式中L 是状态观测器的增益。

设L =[β1β2β3]T ，误差e i =x i –z i ，i =1，2，3，则误差方程为：
e =A e e +E a
式中，A e =A -LC =éëêêù
û
úú-β110-β201-β300。

LESO 的特征方程为：
λ(s )=s 3+β1s 2+β2s +β3
（4）
通过极点配置法可以将式（4）转换成理想特征方程λ(s )=(s +w 0)3，求得β1=3w 0，β2=3w 20，β3=3w 30，
其中w 0为观测器带宽。

这里状态观测增益设置为β1，β2，β3，
使逼近误差近似为0，由此在系统开启后，对其各变量可以通过LESO 实时跟踪。

系统通过LESO 后，其状态的空间表达式为：
ìí
îz =A z +B y
ˉ=C z （5）
式中：A =éëêêù
û
úú-3w 010-3w 2001-3w 3
000;B =éëêêùû
úú03w 0b 3w 20b 3w 30;C =eye (3)。

选取u =(u 0-z 3)b 0,u 0控制律为：
u 0=k P ()v 1-z 1+k D z 2
（6）
式中：k P =w 2c ;k D =2ξw c ,w c 为带宽频率，
ξ为阻尼比。

控制律的组成将PID 的积分控制变量转变成-z 3b 0从而消除扰动。

另外w 0和w c 满足w 0=3~10w c 的关系，使得系统调节参数只剩下k P ,k D 和b 0三个变量，自抗扰控制
的参数个数极大减少，为系统实际应用奠定了基础。

3环境搭建与结果测试
本文采用的测试环境和智能平衡跟随车测试模型
如图5
所示。

图5实验测试模型与实物图
AprilTag 选用TAG16H5⁃1，Tag 尺寸选取8cm×8cm ，
如图5a ）所示；实验用的小车尺寸为20cm×8cm ，如
图5c ）所示；载物模型如图5b ）所示。

另外，选取实验室外的长廊作为实验场景。

实验中测试智能平衡跟随车的跟随精度和平衡稳定性，经过数据筛选分析，记录数据如表2所示。

4
结语
本文结合AprilTag 视觉定位技术和自抗扰控制技术，在STM32主控模块操控的智能小车上实现了自动平衡与跟随的功能。

通过实验测试，验证了小车自动平
李楠，等：AprilTag 与自抗扰控制结合的智能平衡跟随车的设计173
现代电子技术2022年第45卷
衡与跟随效果良好，可以为实物载物平衡车替代传统手
推车和手拉车提供参考。

在稳定性和精度要求更高的
场合下，可以有如下两个改进方向：一是受客观因素影
响，智能平衡跟随车在人流密集区域，容易因AprilTag
被遮挡丢失跟踪目标，所以需要在保证一定的跟随和识
别精度下对Tag图标尺寸做一定的缩小；二是在实物车
应用阶段，需要考虑到更多实时路况信息和道路交通法
规限制，所以需要做智能平衡跟随车多样性条件下的跟
随测试，以保证跟随的稳定性。

兼顾跟随精度和平衡稳
定性，该系统将更具实用化及工业化价值。

表2智能平衡跟随车性能参数
性能指标
最大续航路程/km
稳定跟踪距离/m
最大跟踪角度/（°）
最大跟踪速度/（km/h）
最大爬坡角度/（°）
最大车辆载重/kg
注：此表以实物平衡车为基准
数值大小35 0.5~5正轴线±45 18 15 85
参考文献
[1]汪嘉杰，王磊，范秀敏，等.基于视觉的航天电连接器的智能识
别与装配引导[J].计算机集成制造系统，2017（11）：2423⁃2430.
[2]ABBAS Syed Muhammad，ASLAM Salman，BERNS Karsten，et al.Analysis and improvements in AprilTag based state estimation[J].Sensors，2019，19（24）：5480.
[3]黄春耀，王超，马亮静.六旋翼机器人运动控制与跟踪控制研
究[J].机械设计与制造，2020（6）：257⁃260.[4]RAFFO G V，ORTEGA M G，MADERO V，et al.Two⁃wheeled self⁃balanced pendulum workspace improvement via underactuated robust nonlinear control[J].Control engineering practice，2015，44：231⁃242.
[5]周华伟，于晓东，高猛虎，等.基于不匹配干扰观测器的圆筒型
永磁直线电机新型滑模速度控制[J].中国电机工程学报，2018，38（7）：2163⁃2170.
[6]WANG J，OLSON E.AprilTag2：Efficient and robust fiducial detection[C]//2016IEEE/RSJ International Conference on Intelligent Robots and System.Daejeon，South Korea：IEEE，2016：4193⁃4198.
[7]NISSLER C，STEFAN B，MARTON Z C，et al.Evaluation and improvement of global pose estimation with multiple apriltags for industrial manipulators[C]//2016IEEE21st International Conference on Emerging Technologies and Factory Automation.Berlin：IEEE，2016：1⁃8.
[8]WANG J，SADLER C，MONTOYA C F，et al.Optimizing ground vehicle tracking using unmanned aerial vehicle and embedded apriltag design[C]//2016International Conference on Computational Science and Computational s Vegas：IEEE，2016：739⁃744.
[9]李成勇，谭寒钟，王莎，等.基于OpenMV的智能“寻的”小车控
制系统[J].液晶与显示，2020（8）：870⁃876.
[10]杨阳.基于特定特征识别的运动视觉跟踪系统设计[J].现代
电子技术，2017，40（2）：94⁃98.
[11]ZHANG G，LIU Z，YAO S，et al.Suppression of low⁃frequency oscillation in traction network of high⁃speed railway based on auto⁃disturbance rejection control[J].IEEE transactions on transportation electrification，2016，2（2）：244⁃255.
[12]范新峰，谭志良.基于数字对消的跟踪干扰抑制方法[J].系统
工程与电子技术，2020（6）：1235⁃1240.
[13]单钧麟，汪立新，秦伟伟，等.一种改进的陀螺自平衡车自抗
扰控制方法[J].现代电子技术，2020，43（14）：38⁃41.
作者简介：李楠（1980—），女，浙江舟山人，硕士，讲师，研究方向为现代电子技术与系统。

鲁根森（1998—），男，安徽六安人，硕士研究生，研究方向为电子信息工程。

174。