巡线导航智能车的路径优化

巡线导航智能车的路径优化
章登鹏;谭彧
【摘要】Aiming at conventional smart car small visual range which affects path optimization, this paper proposes a control system of intelligent line-tracking vehicle with large vision based on servo driven sensor movement.It installs a servo driving motion sensor, increases the sensor range of the path identification.It uses a local path optimization, construction of a transitive relation, to create a mapping between sensor data and intelligent control of vehicle driving.Experimental results show that, installing a servo drive motion sensor and using a local path optimization, this control system increases path identification range, improves driving performance and the reliability of search lines, and increases the speed of transmission line.%针对现实应用中的巡线导航智能车道路检测范围小、路径规划困难的问题,提出增加传感器随动舵机的巡线导航智能车路径优化算法.安装随动摆头舵机带动传感器运动,增大传感器的路径识别范围.采用局部路径优化的厅法,构建一个导航传递关系,用以在传感器数据和智能车行驶控制之间建立映射.实验结果表明,增加传感器随动舵机的巡线导航智能车在采用路径优化算法之后视觉范围增大,能改善巡线导航智能车的行驶性能,提高了寻线的可靠性,增大了巡线速度.
【期刊名称】《计算机工程》
【年(卷),期】2011(037)001
【总页数】3页(P184-186)
【关键词】智能车;导航;路径优化
【作者】章登鹏;谭彧
【作者单位】中国农业大学工学院,北京,100083;中国农业大学工学院,北
京,100083
【正文语种】中文
【中图分类】TP391
1 概述
寻线导航是移动机器人的寻航方式之一，机器人能够寻着白色地面上的标志黑线自主行驶[1]。

智能车是一个由路径识别传感器、控制机构和控制算法组合在一起的
智能控制系统。

智能车在现代社会中的运用越来越广泛，相关的研究也很多[2]。

在一些高危险场所及高实时性场合，要求智能车在移动准确可靠的同时，对智能车的移动速度也提出了较高的要求。

在智能车控制系统中，如何让智能车在不同形式的跑道上进行平稳、快速的切换，实现路径的最优控制，是智能车控制的一个关键问题。

目前，巡线智能车的控制是将传感器固定在车体上识别路径实现的，通过传感器不断地收集环境信息，根据新的环境信息频繁地重新规划和调整路径，识别范围较小，行驶路径仅决定于时时局部拾取到的路径信息。

大多机器人行驶环境都是不确定的，由于缺乏全局道路信息，只能采用局部路径优化来优化整个行驶过程[3]。

本文提出的巡线导航智能车增加了一个随动舵机来控
制传感器的运动，可以增大导航智能车路径识别范围，识别到更加丰富的路径信息，采用局部规划的方法，提高智能车行驶稳定性和行驶速度。

2 智能车硬件系统
智能车整车系统如图1所示。

智能车硬件系统主要由以下部分组成：S12控制核心，电源管理模块，路径识别传感器模块，智能车速度检测模块，传感器随动模块，舵机驱动模块，电机驱动模块。

图1 智能车整车系统
2.1 智能车主控制核心S12单片机
MC9S12XS128是Freescale公司出产的16位单片机，采用新型的HCS12XCPU，主要优点如下：支持串口调试下载，具有扩展口，128 KB的Flash存储器，40 MHz的增强CPU，可进行二次开发，兼容性较高，监控程序功能强大，可提供各种基本的开发和调试功能如程序的下载和运行、断点设置、内存显示等。

其具有增强型捕捉定时器、优先中断定时器、8/10/12位模数转换器、8位脉冲宽度调制(PWM)，带有追踪缓存的片上单线背景调试模式(BDM)，可以实现在线实时仿真、监测程序等[4]。

2.2 智能车路径识别传感器
智能车只有能够识别到自己相对于黑线的位置，才能及时调整行驶方向，正确巡线行驶，这就需要一套能识别路径的传感器装置。

智能车的传感器采用光电检测传感器，采用光电传感器有系统运行速度快的特点。

常规的光电式传感器直接由电源给发光管供电，导致传感器受环境光的影响比较大。

为了避免环境光对传感器检测的影响，本文在传感器发射电路中加入调制信号，而接收管也是只能接收特定高频信号的接收管，这样传感器的前瞻能稳定在600
mm以上。

通常相邻的传感器之间会出现信号相互干扰的现象，可以采用在发射
电路中加入选通电路，把发射管分成几组，每组对应安装一个接收管，所有接收管对应的每组发射管当中，任意时刻都只有一个在发射，这样通过当时选通的发射管位置和接收管的状态就可以确定黑线的位置。

一个接收管对应 3个发射管传感器发射接收管布局如图2所示，其中，A～F为6个接收管。

图2 一对三传感器发射接收管布局
2.3 智能车电机驱动模块
智能车行驶过程中的动力来源于车体上的电机，电机的驱动性能直接影响到车模的加速和制动效果。

电机驱动电路不仅要为智能车提供强大的动力，而且自身的功耗不能太大，能够保证在长时间大电流输出的情况下温升小且持续稳定工作。

本文采用英飞凌公司产的BTS7960芯片来驱动，它是一款针对电机驱动应用的完全集成的大电流半桥芯片，由于集成在内驱动集成电路具有逻辑电平输入，与微控制器的连接变得非常简单，且该驱动集成电路还具有电流检测诊断、转换率调整、死区时间生成以及过热、过压、欠压、过流和短路保护。

为了增大流过的电流，增大驱动能力，把 2片BTS7960并联在一起。

2.4 传感器随动舵机跟随模块
在多数巡线导航智能车中，传感器是直接固定在智能车本体上的。

由于传感器是固定的，智能车行驶过程中路径识别传感器所能识别到的路径范围仅限于智能车的正前方很小的范围。

为了增加智能车的视觉范围，更好地适应复杂狭窄的路面，实现快速行驶的目的，在智能车上增加一个舵机，将传感器安装在和随动摆头舵机一起转动的支架上。

将激光电路板固定连接在随动舵机轮盘上，激光电路板的俯视角可以根据需要进行调节，随动舵机安装在车体上方。

传感器随动舵机带动传感器始终跟随黑线的位置，智能车所能识别到的路径范围增大，无论何时传感器都能检测到黑线的位置，避免了智能车因为“丢线”而冲出跑道的情况。

3 智能车路径优化
智能车的运动控制是根据路径识别传感器识别到的路径信息和车速检测传感器检测
到的当前车速信息，经过算法处理，来控制传感器随动摆头舵机、车轮转向舵机和驱动电机，从而达到控制整个智能车的行驶方向和速度的目的。

为了使智能车在尽可能短的时间内顺利跑完赛道，小车并不需要完全沿着黑线前行驶，只要在规定的赛道内行驶即可，因此，可采用抄近道的方法。

智能车的路径优化是基于上随动摆头舵机带动传感器运动，使路径识别传感器所能识别到的范围增大，在识别到路径时经过处理提取出最佳路径，从而达到优化路径、提高平均速度的目的。

3.1 路径信息分类
智能车通过18个传感器进行路径识别，每次都有2个或3个传感器能采集到路径信息，经过适当的滤波之后，就可以得到35种路径信息，分别编号为0～34，中间值为17。

路径识别传感器的识别周期设为150 μs，这样路径信息的变化很小，可以设每相邻2次的传感器状态偏差为-3～+3，通过传感器识别到的路径信息和
控制上摆头舵机。

根据摆头舵机摆头量相对于中值的大小，预先将整个路径按特征分为5类：直道，小S弯道，大S弯道，180o急弯道，270o交叉弯道等。

智能车在每类路径上采
取相应的控制策略。

路径分布见图3。

图3 路径分布
3.2 路径信息识别处理
经过传感器的识别处理，光电传感器的光线打在白线上，传感器输出低电平，光线打在黑线上，传感器输出高电平。

在18个传感器识别到路径之后，系统将得到一组18个数的数据组，先对其进行软件滤波处理，舍去不合理的信息，之后再提取黑线的位置状态。

将每次读取的黑线位置和智能车中间位置进行比较，可以得出一个差值，系统根据这个差值来对执行器进行控制。

系统根据本次路径信息编号和上次的路径信息编号进行比较，可以得到一个偏差。

如果偏差在允许的偏差范围之内，则本次读取的路径信息为正常值，判断为有效数据，否则本次读取的信息无效，取
上次路径数据对其赋值。

3.3 路径类别判断
在智能车的行驶过程中，根据智能车传感器随动舵机的打角大小可以将赛道分为 5类。

由 35种路径信息可以获得35种系统控制，由传感器状态控制上摆头舵机，
依据传感器随动舵机摆动偏差的大小，将路径分为5类，之后根据路径的类型对
转向舵机和驱动电机采用相应的控制方案。

舵机转角PWM控制量为bait_x，路
径分类流程如图4所示。

图4 路径分类流程
3.4 路径优化控制
智能车在行驶过程中，由于道路不确定，会频繁出现进出弯道的情况，这样就会导致舵机时刻不停地改变打角来调整智能车运动的方向，使智能车震动增加，稳定性变差，并且智能车所行驶的路径也会增长。

采用路径优化的控制系统由检测到的数据计算出赛道的类别之后，系统根据目前识别到的路径类别预测出下一段路径的类别，再结合实际检测到的路径数据设计出最佳的行驶路径，采取相应的控制策略来控制舵机的转动量和驱动电机的速度，使智能车在条件允许的情况下随着最佳路径行驶，减少舵机的转动次数，缩短智能车行驶路径。

各种路径优化方案如图5所示。

图5 路径优化方案
3.5 系统软件流程
控制系统软件流程如图6所示。

图6 控制系统软件流程
控制系统的软件设计主要包括系统初始化模块、系统参数设置、速度反馈处理模块、路径识别模块、随动舵机摆头、判断赛道类型、转向舵机转向、驱动电机控制等。

整个控制系统的软件设计是基于CodeWarrior 5.0编程环境，编程过程中使用C
语言实现。

4 实验结果及分析
本文实验将不增加传感器随动不采用路径优化算法、增加传感器随动采用路径优化算法、增加传感器采用路径优化算法的系统在图3所示的路况上行驶进行对比，测试结果如表1所示。

表1 单双舵机的路径优化算法测试结果比较控制方法平均时间/s 赛道适应性路径优化不采用路径优化 21.5 较差较差采用路径优化 19.8 中中传感器随动路径优化17.2 好好
实验结果表明，智能车通过相同的赛道时，增加传感器随动的智能车路径识别范围增大，盲区减少，而且冲出赛道的几率减小了很多。

采用路径优化算法的系统相对不采用路径优化算法的系统，行驶稳定性增加。

在直道和小S弯中，智能车舵机摆动量明显减小，而在大S弯道、180o急弯道、270o交叉弯道中，转向舵机的摆动量增大，使过大弯道、急弯道更加流畅。

采用路径优化控制的智能车在行驶过程中巡线更加准确，冲出赛道的可能性减小了很多，并且车模过弯时的极限速度也增加。

增加传感器随动控制的大视觉车模在行驶过程中更加稳定、快速。

5 结束语
实际应用中的巡线导航智能车识别路径的范围有限，视觉盲区比较大，本系统增加传感器随动舵机控制智能车模，使传感器相对智能车的位置是随动的，增大了传感器的路径识别范围，使智能车能识别到的视觉范围从正中扩展到两边。

采用路径优化算法，使智能车在行驶过程中可预知路径的走向，减少转向轮打角的次数，缩短整个行驶距离，使智能车实现“内-外-内”的最佳行驶路径。

智能车在行驶过程中稳定性和通过性能都有所提升，并且在偏离黑线时也可以通过调整顺利返回。

本系统对道路的适应能力较强，可以在各种场地以适当的速度准确快速沿着引导线自主行驶。

因此，本文提出的控制系统在智能移动机器人和视觉导航智能车应用中有一
定的参考价值。

参考文献
[1]张淑军,孟庆春,吴槟,等. 移动机器人智能寻线导航与策略控制[J]. 控制与决策,2005,20(5): 529-532.
[2]沈志熙,黄席樾,杨镇宇,等. 基于Boosting的智能车辆多类障碍物识别[J]. 计算机工程,2009,35(14): 241-242.
[3]刘先恩,赵学敏,李岩,等. 基于多传感器的移动机器人路径规划[J]. 计算机工程,2008,34(8): 213-215.
[4]Freescale Corporation. S12XS Microcontrollers Data Sheet[EB/OL].(2009-09-09). .。