飞思卡尔智能车路径识别算法研究

合集下载

基于飞思卡尔微控制器的智能循迹小车的设计

［收稿日期］２１０００２— ３— １
［作者简介］寸晓非（９８一）男，１７，云南丽江人，荆楚理工学院讲师，硕士。研究方向：测控技术。
１８
图１硬件结构框图
分布如图２所示。在图２所示的传感阵列中，一个发射管对应二个接收管，这样相比一对一的发射一接收可以节省近一半的发射功率。光敏晶体管的输出电压作为Ｓ２１Ｘ微控制器的模拟输入，传感信号７组
中的黑色轨迹，并通过微控制器对传感数据进行分析和融合，实时调整小车的运动状态，实现一定条件下的自主行驶。小车的导航系统同时具备以下的能力：１传感系统能够准确识别轨迹信息；）２控制算法足够精确，制系统对于检测结果能够做到实时响应；）控
【关键词］智能小车；迹；１Ｘ微控制器；循Ｓ２红外传感器阵列；ＩＰＤ控制
［中图分类号］Ｔ２２６［Ｐ４．文献标识码］Ａ［文章编号］１０４５（０２００１００８— ６７２１）４— ０８— ５
０前言
图２传感器阵列分布图
ＩＯ—Ｉ７分别对应连接到微控制器的ＡＯ～Ａ７模拟通道上。ＮＮＮＮ
１２伺服电机．
智能小车通过伺服电机进行转向控制，电机的运转采用脉宽调制模式（ＷＭ，ｕｅＷｉｈＭｄｌＰＰｌｄｏｕａｓｔ－ｉ）可ｆｎ，以随时改变行进的角度。为了始终保持在正确的轨迹上行驶，ｏ电机每２ｓ０ｍ将会接收一次脉冲信号，以便调整行进的路线，伺服脉冲的宽度决定着伺服电机角度变化的范围。实时脉宽与小车转向偏转角的对应关系如表１所示。

基于飞思卡尔的自主寻迹智能车的设计

对于智能车来说．控制算法相当于人的思维，是其最核心的部分．负责按预定的流程处理传感器所采集的数据。软件流程图见图２。
其中．ＦＯＲ循环包含了检测黑线位置．更新舵机输出等。具体见图３．
本小车对黑白线的检测使用了１２个红外管，实行等距排列。这１２个ｅｒ夕ｌ，管将坐标细分为２３个坐标值对赛道黑线位置进行判断。对于采集的数据．使用循环检测的方法，即从左边的光电管开始，检测其是否在黑线上：如果在，那么接着检测其右边的光电管是否亦如此，依次向右推进：当出现３个以上光电管同时处于黑线上方．则过滤掉当前采样数据．采用历史值。
2.期刊论文高凤水.靳涛.赵书朵基于飞思卡尔单片机的智能车设计 -电子设计应用2008(5)
本文设计一种能在跷跷板上根据预定轨迹行驶,并且可以使跷跷板保持平衡的电动车.它以飞思卡尔MC9S12DG128单片机作为控制核心,由驱动调速模块、路面检测模块、显示模块、电源模块等几部分组成.本设计的平衡杆力矩补偿装置可以使跷跷板的调节平衡精度更高.
对小车方向控制的设计．采用的是模糊控制的思想，并结
ＦＯＲ循环
④
图２主流程图
厂—１磊１磊ｉ］
Ｉ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．————．——．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．Ｊ
Ｉ
检测’前速度
更新电机输出
－
判断是否到终点停车
围３ＦＯＲ循环合了ＰＩＤ控制方法。首先。确定模糊控制器的输人变量和输出变量，输入量即为黑线坐标，而输出量便是舵机所对应的角度：第二，编制模糊表，加快对弯道的处理速度；第三，由于小车每次进人同一个弯道时速度、角度都会不同．所以还需要加入ＰＩＤ算法进行修正，尤其是Ｄ的引入，将本次和上次遇到同个弯道时传感器采集到的数据进行处理。不断将入弯偏差减小或者消除．达到平滑入弯的目的。

(毕业设计)飞思卡尔智能车及机器视觉

图像处理在智能车路径识别中的应用摘要机器视觉技术在智能车中得到了广泛的应用，这项技术在智能车的路径识别、障碍物判断中起着重要作用。

基于此，依据飞思卡尔小车的硬件架构,研究机器视觉技术应用于飞思卡尔小车。

飞思卡尔智能车处理器采用了MC9S12XS128芯片，路况采集使用的是数字摄像头OV7620。

由于飞思卡尔智能车是是一款竞速小车，因此图像采集和处理要协调准确性和快速性，需要找到其中的最优控制。

因此本设计主要需要完成的任务是：怎样用摄像头准确的采集每一场的图像，然后怎样进行二值化处理；以及怎样对图像进行去噪处理；最后也就是本设计的难点也是设计的核心，怎样对小车的轨迹进行补线。

本设计的先进性，在众多的图像处理技术中找到了适合飞思卡尔智能车的图像处理方法。

充分发挥了摄像头的有点。

经过小车的实际测试以及相关的MATLAB 仿真，最终相关设计内容都基本满足要求。

小车的稳定性和快速性得到显著提高。

关键词：OV7620，视频采集，图像处理，二值化The Application of Image Processing in the Recognition ofIntelligent Vehicle PathABSTRACTCamera Machine vision technology in the smart car in a wide range of applications, the technology identified in the path of the smart car, and plays an important role in the obstacles to judge. Based on this, based on the architecture of the Freescale car, machine vision technology used in the Freescale car. Freescale smart car the processor MC9S12XS128 chip traffic collected using a digital camera OV7620. Freescale's Smart car is a racing car, so the image acquisition and processing to coordinate the accuracy and fast, you need to find the optimal control. This design need to complete the task: how to use the camera to accurately capture every image, and then how to binarization processing; and how to image denoising; last is the difficulty of this design is the design of the core, how to fill line on the trajectory of the car.The advanced nature of the design found in many image processing techniques of image processing methods for Freescale Smart Car. Give full play to the camera a bit. The actual testing of the car and MATLAB simulation, the final design content can basically meet the requirements. The car's stability and fast to get improved significantly.KEY WORDS: OV7620，Video Capture，Picture Processing，Binarization目录前言 (1)第1章飞思卡尔赛车及机器视觉的概述 (2)1.1 智能车的研究背景 (2)1.1.1 智能车的发展历史 (2)1.1.2 应用前景 (2)1.2 智能车设计要求介绍 (3)1.3 机器视觉介绍 (4)1.4 小结 (4)第2章主要思路及技术方案概要 (5)2.1 总体设计主要方法步骤 (5)2.2 摄像头的对比与选择 (5)2.2.1 摄像头的选取 (5)2.2.2 模拟摄像头 (6)2.2.3 数字摄像头 (6)2.2.4 摄像头的选定 (7)2.3 二值化方案的选取 (7)2.3.1 双峰值法 (7)2.3.2 迭代法 (8)2.3.3 大津法 (8)2.3.4 灰度拉伸-一种改进的大津法 (9)2.3.5 二值化方案的最终选定 (9)2.4对图像进行去噪 (9)2.4.1 传统的去噪法 (9)2.4.2 小波去噪 (11)2.4.3 去噪方法的最终确定 (13)2.5小结 (13)第3章硬件设计 (14)3.1 硬件总体方案设计 (14)3.2 核心控制板 (15)3.3 摄像头的安装 (15)3.4 小结 (16)第4章软件设计 (17)4.1 系统软件总体设计方案 (17)4.2 图像二值化软件设计 (17)4.3 去噪设计 (19)4.3.1 实验信号的产生 (19)4.3.2各参数下去噪效果对比 (20)4.4 二值化后补线 (24)4.5 小结 (32)第5 章结果分析 (33)5.1 采集到的灰度值去噪前的MATLAB仿真 (33)5.1.1 去噪前MATLAB函数和仿真结果 (33)5.1.2 去噪后MATLAB仿真结果 (34)5.2 边界扣取 (35)5.2.1 边界扣取函数 (35)5.2.2 边界扣取仿真结果 (36)5.3 补线后效果 (37)5.4 小结 (38)结论 (39)谢辞 (40)参考文献 (41)附录 (42)外文资料翻译 (45)前言机器视觉技术近几十年来已经得到广泛的应用，并且已经取得了巨大的成功，大大改善了人们的日常生活。

(整理)飞思卡尔智能车比赛电磁组路径检测设计方案

精品文档电磁组竞赛车模路径检测设计参考方案（竞赛秘书处2010-1，版本 1.0）一、前言第五届全国大学生智能汽车竞赛新增加了电磁组比赛。

竞赛车模需要能够通过自动识别赛道中心线位置处由通有100mA 交变电流的导线所产生的电磁场进行路径检测。

除此之外在赛道的起跑线处还有永磁铁标志起跑线的位置。

具体要求请参阅《第五届智能汽车竞赛细则》技术文档。

本文给出了一种简便的交变磁场的检测方案，目的是使得部分初次参加比赛的队伍能够尽快有一个设计方案，开始制作和调试自己的车模。

本方案通过微型车模实际运行，证明了它的可行性。

微型车模运行录像参见竞赛网站上视频文件。

二、设计原理1、导线周围的电磁场根据麦克斯韦电磁场理论，交变电流会在周围产生交变的电磁场。

智能汽车竞赛使用路径导航的交流电流频率为20kHz，产生的电磁波属于甚低频（VLF）电磁波。

甚低频频率范围处于工频和低频电磁破中间，为3kHz～30kHz，波长为100km～10km。

如下图所示：图1：电流周围的电磁场示意图导线周围的电场和磁场，按照一定规律分布。

通过检测相应的电磁场的强度和方向可以反过来获得距离导线的空间位置，这正是我们进行电磁导航的目的。

由于赛道导航电线和小车尺寸l远远小于电磁波的波长，电磁场辐射能量很小（如果天线的长度l远小于电磁波长，在施加交变电压后，电磁波辐射功率正比于天线长度的四次方），所以能够感应到电磁波的能量非常小。

为此，我们将导线周围变化的磁场近似缓变的磁场，按照检测静态磁场的方法获取导线周围的磁场分布，从而进行位置检测。

精品文档由毕奥-萨伐尔定律知：通有稳恒电流I长度为L的直导线周围会产生磁场，距离导线距离为r处P点的磁感应强度为：精品文档图 2 直线电流的磁场⎝1 4 r由此得: B =  cos⎝4 r对于无限长直电流来说，上式中⎝1 = 0 ，⎝ 2 = ，则有B = （1）。

图3：无限长导线周围的磁场强度在上面示意图中，感应磁场的分布是以导线为轴的一系列的同心圆。

基于路径识别的智能车系统设计

基于路径识别的智能车系统设计随着控制技术及计算机技术的发展，智能车系统将在未来工业生产和日常生活中扮演重要的角色。

本文所述智能车寻迹系统采用红外反射式光电管识别路径上的黑线，并以最短的时间完成寻迹。

通过加长转臂的舵机驱动前轮转向，使用符合PI算法的控制器实现直流电机的调速。

为了使智能车快速、平稳地行驶，系统必须把路径识别、相应的转向伺服电机控制以及直流驱动电机控制准确地结合在一起。

1 硬件设计本系统硬件部分以飞思卡尔公司的16位微处理器MC9S12DG128为控制核心，由电源模块、主控制器模块、路径识别模块、车速检测模块、舵机控制模块和直流驱动电机控制模块组成。

系统硬件结构如图1所示。

1.1 主控制器模块本系统主控制器模块采用的MC9S12DG128主要特点是功能高度集中，易于扩展且支持C语言程序设计，从而降低了系统开发和调试的复杂度。

1.2 电源模块本系统由7.2V／2000mAh的Ni-cd蓄电池组直接供电。

鉴于单片机系统的核心作用，主控制器模块采用单独的稳压电路进行供电；为提高舵机响应速度，将电源正极串接一个二极管后直接加在舵机上；电机驱动芯片MC33886直接由电源供电。

通过外围电路整定，电源被分配给各个模块。

电源调节分配图如图2所示。

1.3 路径识别模块路径识别模块采用收发一体的红外反射式光电管JY043作为路径的基本检测元件。

本系统选用11个JY043按“一”字形排列在20cm长的电路板上，相邻两个光电管之间间隔2cm。

因为路径轨迹由黑线指示，落在黑线区域内的光电二极管接收到的反射光线强度与白色的不同[2]，所以根据检测到黑线的光电管的位置可以判断行车方向。

光电传感器寻迹的优点是电路简单、信号处理速度快。

在不受外部因素影响的前提下，光电管能够感知的前方距离越远，行驶效率越高，即智能车的预瞄性能越强[3]。

图3为其硬件原理图。

1.4 车速检测模块车速检测模块采用韩国Autonics公司的E30S-360-3-2型旋转编码器作为车速检测器件。

飞思卡尔智能小车算法介绍(个人总结)

式中，
q0
Kp
1；TTi
Td T
q1
；Kp
1
2。Td
T
q2
Kp
Td T
3.2.1 PID控制算法
由此可见，要利用 u和( k ) 得u (到k 1) ，只需u (要k )用到 , 和 e (三k 个1)历史e(数k 据 2。) 在编u (程k 过 1程) 中，这三个历史数据可以采用
平移法保存，从而可以递推使用，占用的存储单元少，编程简单，运算速度快。增量型算法的程序流程图如图3.6所示。
25工qgz1lt70108100801nlj23456j2x013x084x105x086x01jj40108100801tj武汉科技大学信息科学与工程学院tj武汉科技大学信息科学与工程学院tj武汉科技大学信息科学与工程学院壬322模糊控制算法tj武汉科技大学信息科学与工程学院o模糊控制表可以离线求出作为文件存储在计算机中计算机实时控制时只要将ad转换得到的偏差和偏差变化ec进行量化得到相应的等级e和ec然后从文件中直接查询所需采取的控制策略
3.1 编程语言简介
在绝大多数场合，采用C语言编程即可完成预期的目的，但是对实时时钟系统、要求执行效率高的系统就不适合采用C语言编程，对这些特殊情况进行编程时要结合汇编语言。汇编语言具有直接和硬件打道、执行代码的效率高等特点，可以做到C 语言所不能做到的一些事情，例如对时钟要求很严格时，使用汇编语言便成了唯一的选择。这种混合编程的方法将C语言和汇编语言的优点结合起来，已经成为目前单片机开发最流行的编程方法。关于编程语言的详细介绍可参阅相关书籍。
第3章智能汽车设计基础—软件
第3章智能汽车设计基础—软件
在智能车系统的设计中，硬件是基础，没有一个好的硬件平台，软件就无法运行。对于智能车系统来说，软件的核心是控制算法。而完成这些任务的编程语言有汇编语言和C语言。软件部分是整个智能车系统的灵魂，在硬件方面各参赛队之间大同小异，真正体现各参赛队智能车的优势和最后决定比赛成绩好坏的往往是软件部分，尤其是核心控制算法的设计。本章首先简要介绍软件编程中使用的汇编语言和C语言各自的特点，然后重点介绍核心控制算法的原理。

飞思卡尔智能车起跑线的识别

飞思卡尔智能车起跑线的识别前天东北赛区要举行个联谊会，所里的老师就让我们在联谊会的时候给大家演示一个识别起跑线的简单示范！虽然对于别人来说这不成什么问题，可是这对于刚接触小车，刚接触飞思卡尔片子的我来说就不得不成为一个问题了，幸亏有我们组的大黄牛在，才使我们识别起跑线的示范得以成功演示！真庆幸有我们组长这个大黄牛在。

识别起跑线关键在于设计一个好的算法能够准确、稳定的描述起跑线的特征，特别是和十字交叉线的区别，二者的区别就在于一个是连续的黑线，前者的直道两侧有两段黑色横线，并且两段横线和直道之间有一段特殊规格的白色区域；而后者是连续的白色横线和直道交叉。

这样就可以通过判断整场数据中符合前面特征的就为起跑线。

由于摄像头的物理特性，我们只采取是在近端出现并且有连续多行出现此特征的才为起跑线。

并且在连续识别起跑线第三次的时候使小车能够停下来。

由于看到小车的时候是在还没有到起跑线的时间，所以在判断为第三次看到起跑线的时候我们这时候并没有立即使小车停下来，而是设置一个延时，使小车能够在越过起跑线之后再停下来！这样子保证了没有延长小车行时间。

飞思卡尔智能车制作全过程(本人在很久以前做的一辆用来比赛的智能车--获得华北一等奖,全国二等奖,有许多可改进地方.)下面我们来立即开始我们的智能车之旅:首先,一个系统中,传感器至关重要."不管你的CPU的速度如何的快,通信机制如何的优越,系统的精度永远无法超越传感器的精度" .是的,在这个系统中,传感器的精度,其准确性就显得至关重要.如果你问我传感器的电路,呵呵,我早就和大家分享了,在我发表的日志中,有一篇<<基于反射式距离传感器>>的文章就详细的说明了传感器的硬件电路以及可以采取的信号采样方式.传感器安装成一排,如上面排列.(就是个一字排列,没有什么特别)接下来,看看我们如何处理传感器得到的信息:大家看到了.结构很简单,我们已经搞定了传感器通路.下面我们来看看多机的控制方面的问题:其实,不管是便宜还是比较贵的舵机,都是一样的用法.舵机的特点就是不同的占空比方波就对应着舵机的不同转角.当然不同的舵机有不同的频率要求.比如我用的这个舵机:方波频率50HZ.怎么改变占空比?这个不就是PWM模块的功能嘛.PWM模块可以输出任意占空比的方波.只要你控制其中的占空比寄存器,就可以直接控制舵机的转角.你只要将传感器的状态和这个占空比对应上,不就OK了?就这么简单,做到这里,你就可以让你的车在跑道上跑了!接下来,我们的工作是让智能车更加完善:速度要稳定.在当前的系统结构中,要使一个系统更稳定更可靠,闭环系统是一个选择.(如果你不知道什么是闭环系统,可以参照我的文章里面的一篇"基于单片机的PID电机调速"),既然是一个闭环系统,速度传感器是必不可少的,用什么样的传感器做为速度反馈呢:仔细看,和后轮之间有一条皮带的这个貌似电机的东西,就是我的速度传感器,它的学名叫"旋转编码器".这个器件的特点就是:每转一圈,就会从输出端输出一定的脉冲,比如我这个旋转编码器是500线的,就是转一圈输出500个脉冲.因此,我只要在单位时间内计数输出端输出的脉冲数,我就可以计算出车辆的速度.显然,这个速度可以用来作为PID速度调节的反馈.现在有了反馈,我们需要的是调节智能车驱动电机的速度了,如何来调速,就成了必须解决的问题了.我用的是驱动芯片MC33886.其实,这个芯片就是一个功率放大的模块.我们知道,单片机输出的PWM信号还是TTL信号,是不能直接用来驱动电机的.非要通过功率模块的放大不可.这个道理其实很简单,就像上次我给大家画的哪个电子琴电路的放大电路一样:看上面的那个三极管,就是将TTL电路的电流放大,才能够来驱动蜂鸣器.其实这里的这个MC33886就是这样的一个作用.而且我们自己也完全可以用三极管自己搭建一个这样的功率放大电路,当然,驱动能力肯定不如这里的这个MC33886(如我们用三极管就搭建了超过MC33886的电路,摩托罗拉就不会卖几十块钱一个了.呵呵.)知道了这个MC33886的工作原理,就好说了,一句话,通过PWM来调节电机的速度.当方波中高电平占的比例大,电机的平均电压肯定高,转速肯定快.也就是说,PWM的占空比越大,电机转速越高.看,就这么简单,这个智能车就做好了.接下来,我们就把我们知道的PID知识放到舵机和直流驱动电机的控制中去.就可以达到一个比较好的控制效果.如果要达到更高的水平,肯定机械方面的改造也少不了.当然,这不属于本文的讨论范围.呵呵.飞思卡尔智能车制作全过程---舵机篇智能车的制作中,看经验来说,舵机的控制是个关键.相比驱动电机的调速,舵机的控制对于智能车的整体速度来说要重要的多.PID算法是个经典的算法,一定要将舵机的PID调好,这样来说即使不进行驱动电机的调速(匀速),也能跑出一个很好的成绩.机械方面:从我们的测试上来看,舵机的力矩比较大,完全足以驱动前轮的转向.因此舵机的相应速度就成了关键.怎么增加舵机的响应速度呢?更改舵机的电路?不行,组委会不允许.一个非常有效的办法是更改舵机连接件的长度.我们来看看示意图:从上图我们能看到,当舵机转动时,左右轮子就发生偏转.很明显,连接件长度增加,就会使舵机转动更小的转角而达到同样的效果.舵机的特点是转动一定的角度需要一定的时间.不如说(只是比喻,没有数据),舵机转动10度需要2ms,那么要使轮子转动同样的角度,增长连接件后就只需要转动5度,那么时间是1ms,就能反应更快了.据经验,这个舵机的连接件还有必要修改.大约增长0.5倍~2倍.在今年中,有人使用了两个舵机分别控制两个轮子.想法很好.但今年不允许使用了.接下来就是软件上面的问题了.这里的软件问题不单单是软件上的问题,因为我们要牵涉到传感器的布局问题.其实,没有人说自己的传感器布局是最好的,但是肯定有最适合你的算法的.比如说,常规的传感器布局是如下图:这里好像说到了传感器,我们只是略微的一提.上图只是个示意图,意思就是在中心的地方传感器比较的密集,在两边的地方传感器比较的稀疏.这样做是有好处的,大家看车辆在行驶到转弯处的情况:相信看到这里，大家应该是一目了然了，在转弯的时候，车是偏离跑道的，所以两边比较稀疏还是比较科学的，关于这个，我们将在传感器中在仔细讨论。

飞思卡尔智能车电磁组分区算法介绍

飞思卡尔智能车电磁组分区算法介绍写在之前的话:1、⽬前我是⼀名在校学⽣，这也是我第⼀次写博客，不周之处，请多谅解；2、此算法并⾮原创，借鉴⾃⼭东德州学院第⼋届⽩杨队（PS：个⼈看法，对于⼀些⼈把别⼈的开源东西改头换⾯⼀下就说是⾃⼰的原创⾏为⼗分鄙视）；3、对于此算法的理解和说明并⾮纸上谈兵，算法已经被我运⽤到了⼩车⽐赛中并取得好的成绩（具体就不多说了，⽐赛时车莫名其妙坏了，⽐赛前调试的速度绝对能进国赛，⽐较遗憾），总之这算法是我尝试过的最好的算法；4、这⼀次所介绍的只是路径算法和⼀些知识普及，后⾯有时间会介绍其余部分算法及许多好的思路（舵机电机控制思路（不只是简单的PID），双车策略）；5、希望对于这⽅⾯有涉及的⼈能与我联系并交流或指出不⾜之处。

---------------------------------------------------------------分割线-----------------------------------------------------------------------------⼀、没有这⽅⾯了解的可以看看飞思卡尔智能车分为三组：摄像头、光电、电磁，我做的是电磁车，三种车队区别在于传感器的不同，所以获得路径信息的⽅法也不⼀样，摄像头和光电识别的是赛道上的⿊线（⽩底赛道），⽽电磁车则是检测埋在赛道下的通⼊100mh电流的漆包线，摄像头和光电采⽤的是摄像头和ccd作为传感器，电磁则是⽤电感放在漆包线周围，则电感上就会产⽣感应电动势，且感应电动势的⼤⼩于通过线圈回路的磁通量成正⽐，⼜因为漆包线周围的磁感应强度不同，因此不同位置的电感的感应电动势就不同，因此就可以去确定电感位置；因此在车⼦前⾯设置了50cm的前瞻，电感布局如下(怎么发不了图⽚)：分为两排，前排3个，编号0，1，2（前期还加了两个竖直电感⽤来帮助过直⾓弯，后来改为了⼋字电感）；后排2个，编号3，4；现在车⼦获得了不同位置的感应电动势的⼤⼩了，但这些值是不能处理的:1、感应电动势太微弱；2、是模拟信号，信号太微弱就放⼤它；这就涉及到模拟电路的知识了，就不多说了（因为要把这讲完到PCB绘制的篇幅就⾜够写另开⼀号专门写这些⽅⾯来（PS：题外话（我的题外话⽐较多））：放⼤部分外围你设计的再好也抵不过⼀个更好的芯⽚，有两个例⼦，⼀个是我⾃⼰的:之前⽤的是NE5532，但是效果不理想，加了好多什么滤波，补偿，都⽤上，没⽤，软件⾥处理后⾯再说，后来⼀狠⼼换了AD620，感觉像是春天来了，因为它是仪⽤放⼤器，还有就是贵。

智能交通系统中的车辆轨迹识别算法研究

智能交通系统中的车辆轨迹识别算法研究近年来，随着城市化程度的不断提高，交通拥堵问题日益突出，如何利用科技手段来解决这一问题成为了社会各界关注的焦点。

智能交通系统作为一种新兴的解决方案，正逐渐被广泛应用于城市公共交通、物流、出租车等领域，极大地提高了交通运行效率。

车辆轨迹识别算法作为智能交通系统的核心技术之一，其高效的性能和准确的结果，对于智能交通系统的运行至关重要。

一、车辆轨迹识别算法的作用在智能交通系统中，车辆轨迹识别算法可以实现对车辆行动轨迹的准确识别，为城市交通运行提供数据支持。

具体来说，轨迹识别算法可以通过分析车辆在空间坐标系中的运行轨迹，判断车辆的行驶方向、速度、停车时间以及拥堵情况等信息，对城市的拥堵情况进行实时监测。

在公路交通领域中，轨迹识别算法可以为交通管理部门提供实时的道路交通信息，避免交通阻塞、坍塌等问题的发生。

而在物流行业中，实时监控车辆的行驶轨迹和物流配送情况可以大幅提升物流企业的配送效率，降低成本，提高用户满意度。

二、车辆轨迹识别算法的核心技术一般而言，车辆轨迹识别算法主要包含了车辆检测、轨迹跟踪和轨迹分析三个部分。

其中，车辆检测和轨迹跟踪是轨迹识别算法的核心技术。

车辆检测技术可以通过利用车辆的特征信息对目标进行检测，提取车辆的外形轮廓和颜色等特征，实现对车辆的识别。

而轨迹跟踪技术则是通过对车辆运行的轨迹信息进行跟踪和分析，实现对车辆的位置、速度、行驶路线等信息的提取，为后续的数据分析提供支持。

三、轨迹分析算法在车辆轨迹识别算法中，轨迹分析算法是非常重要的一环。

它可以通过对车辆运行轨迹的分析和处理，提取各类交通信息，如拥堵程度、道路状况、行驶速度等等。

其中，拥堵检测算法是轨迹分析算法中的一个重要方面。

该算法可以基于车辆运行轨迹的数据和其他交通数据，判断当前道路的拥堵情况，并提供相应的路线调整方案。

此外，行驶速度计算算法也是一个基于轨迹分析的算法。

此算法可以根据车辆在规定时间内行驶的路程、时间，计算出车辆的实际行驶速度，从而为交通方案的优化提供数据承诺。

上海交大的飞思卡尔寻线算法

基于光电传感阵列和摄像头的寻线控制算法关军(上海交通大学机器人研究所上海200240）文摘本文，研究分析了分别基于光电传感器阵列和摄像头的寻线控制方案，通过评估比较两种方案各自具有的优势与不足，设计了一种基于两种传感器融合使用的寻线控制算法。

摄像头和光电传感阵列的混和使用，充分发挥了摄像头探测距离远，光电管信号可靠的特点，有效解决了摄像头在弯道行驶中丢失黑线的问题。

实践表明，该控制算法改善了赛车弯道行驶性能，提高了赛车寻线的可靠性。

关键词：摄像头；光电传感器；寻线控制；弯道识别A line-tracking control algorithm based on photoelectric sensor array and cameraGuan Jun(Research Institute of Robotics, Shanghai Jiao Tong University,Shanghai 200240, China)Abstract: In paper, we make a study on line-tracking control schemes based respectively on photoelectric sensor array and camera. Realizing that both schemes have their own advantages and disadvantages, we have designed a line-tracking control method which combines these two kinds of sensors. The use of camera and photoelectric sensor array together is able to make full advantage of the feature that camera could detect comparatively more distant and that photoelectric signal is more reliable, thus effectively solve the problem that the camera will miss the black line when turning. Experiments show that such method can improve the1performance of the vehicle when turning as well as the reliability of tracking.Key Word: Camera; Photoelectric sensor; Line-tracking control; Curve detecting寻线传感器的选择，是此次智能车竞赛需要首先考虑的问题。

飞思卡尔智能车路径算法

码器反馈回来的速度没有达到目标速度，那么正转占空比自加，反之则自减。只要调节自
加和自减的步进就能很好的对速度进行控制。
北科定位算法：
某一时刻，采五个“一”字排布的电感的
感应电动势，找出一个感应电动势最大的电感（计为M），导线必然会离这个电
感最近。然后读出该电感相邻左右两个电感的值（分别计为L和R）。会有以下
三种情况：
当L值大于R值，说明导线在L和M之间；
当L值小于R值，说明导线在R和M之间；
当L值约等于R值，说明导线在M正上。
对于特殊情况，如M在最左或最后，缺相邻的L或R，可直接将导线位置
定位于M，且由M值大小得出远离程度。该情况说明传感器偏离赛道很严重。
北科弯Байду номын сангаас算法：
入弯时急减速，以得到足够的调整时间，获得正确的转向角度；在弯道内适当
提速，并保持角度不变，为出弯时的加速节约时间；出弯时，先准确判断标志，
然后加速，虽然会耗费一些时间，但是面对连续变向弯道可以减少判断出错的
概率，保证行驶状态的稳定性，而且弯道内的有限加速对后面的提速也有很大
的帮助。综合考虑用可以接收的额外时间换回行驶稳定性还是值得的。
很多学校两个就上2m了，这是真的
回想调车的点点滴滴，如果你对他好，他跑的就会特别好，绝对不会让你失望。
计算出PWMDTY—PRE之后并不是直接将数值赋值给舵机的占空比寄存器，而是保存起来，并进行PD 控制
速度控制：
一个好的速度控制就是能十分准确的给出目标速度，电机对目标速度响应迅速，系统在干扰
到底什么方法可以提前预判弯道以及算出弯道半径？
曲率用交叉45度的两个电感可以求的，但是要做一些误差修正。

飞思卡尔智能车比赛电磁组路径检测设计方案

电磁组竞赛车模路径检测设计参考方案（竞赛秘书处2010-1，版本 1.0）一、前言第五届全国大学生智能汽车竞赛新增加了电磁组比赛。

竞赛车模需要能够通过自动识别赛道中心线位置处由通有100mA 交变电流的导线所产生的电磁场进行路径检测。

除此之外在赛道的起跑线处还有永磁铁标志起跑线的位置。

具体要求请参阅《第五届智能汽车竞赛细则》技术文档。

本文给出了一种简便的交变磁场的检测方案，目的是使得部分初次参加比赛的队伍能够尽快有一个设计方案，开始制作和调试自己的车模。

本方案通过微型车模实际运行，证明了它的可行性。

微型车模运行录像参见竞赛网站上视频文件。

二、设计原理1、导线周围的电磁场根据麦克斯韦电磁场理论，交变电流会在周围产生交变的电磁场。

智能汽车竞赛使用路径导航的交流电流频率为20kHz，产生的电磁波属于甚低频（VLF）电磁波。

甚低频频率范围处于工频和低频电磁破中间，为3kHz～30kHz，波长为100km～10km。

如下图所示：图1：电流周围的电磁场示意图导线周围的电场和磁场，按照一定规律分布。

通过检测相应的电磁场的强度和方向可以反过来获得距离导线的空间位置，这正是我们进行电磁导航的目的。

为此，我们将导线周围变化的磁场近似缓变的磁场，按照检测静态磁场的方法获取导线周围的磁场分布，从而进行位置检测。

由毕奥-萨伐尔定律知：通有稳恒电流I长度为L的直导线周围会产生磁场，距离导线距离为r处P点的磁感应强度为：B = +sin ⎝ d ⎝ (⎧0 = 4 ⋅10 7 TmA 1 ) ( cos ⎝1 2 ) 。

4 r图 2 直线电流的磁场⎝1 4 r 由此得: B =  cos ⎝ 4 r对于无限长直电流来说，上式中⎝1 = 0 ，⎝ 2 =  ，则有 B = （1）。

飞思卡尔摄像头智能车设计分析

车辆工程技术214机械电子飞思卡尔摄像头智能车设计分析翟朋辉（重庆交通大学机电学院,重庆 400074）摘　要：基于MT9V032数字摄像头和飞思卡尔K60单片机实现了自主寻迹的智能小车设计。

分别介绍了智能车车体构造及系统整体设计方案、智能车硬件设计、智能车图像处理算法及电机PID控制算法。

测试过程发现该设计方案具有良好的可行性，小车运行稳定。

关键词：摄像头；K60单片机；智能车现如今无人驾驶技术正蓬勃发展，许多技术日益趋于成熟。

各种传感器技术的持续进步也必将推动无人驾驶技术研究更上一个台阶，愈加可靠的智能车走进我们的生活指日可待。

本次设计中的摄像头智能车本着同样的设计原则，追求快速性、稳定性、精确性。

智能车以飞思卡尔单片机为控制核心、摄像头进行路径识别，PID算法控制小车行进速度。

1　车体构造及系统整体设计1.1　车体构造为了使小车在行驶时尽可能地保持快速、平稳，硬件安装时应注意降低小车重心，如将电池、主板、电机尽量放置在同一平面；搭建硬件时采用高强度质量轻的材料；摄像头的放置应尽可能地使视野开阔，尽量减少盲区。

此外，机械安装上的一些细小差别，如螺丝的松紧程度等都可能对小车行驶造成巨大影响，因此安装时要不断进行调试检验。

1.2　系统整体设计智能车以飞思卡尔K60微控制器为核心控制单元，摄像头用来获取赛道信息，并将采集到的信息传送给核心控制单元处理，处理后的结果作为小车接下来行驶路径规划的依据；采用编码器对小车速度进行实时检测；PID算法用于对电机转速的反馈控制，从而实现对小车运行速度的闭环控制。

智能车共有五大模块：核心控制器模块、摄像头检测模块、速度检测模块、电机驱动模块、电源供电模块。

2　摄像头智能车硬件设计2.1　核心控制器模块智能小车使用K60单片机，作为整个系统的控制核心。

其具有处理速度快、性能稳定及体积小的特点，主要用于对传感器检测到的信息进行分析处理从而控制小车行进，以及利用PID算法对小车的速度进行闭环控制。

智能车路径识别及控制策略的研究

智能车路径识别及控制策略的研究刘林;孙冬梅【期刊名称】《机床与液压》【年(卷),期】2012(40)13【摘要】Taking the fieescale's intelligent vehicle as the application platform, adopting microcontroller unit MC9sl2xsl28 as the core processor, the tracking system of an intelligent vehicle was designed by making use of the laser sensor to realize the path recognition. The fuzzy algorithm and the filtering processing were adopted to find the path position and direction. The PD control strategy was used to control the vehicle. The hardware design included the circuit board production, the design of the laser sensor, the power design and the motor driver part. The experimental results shows that the intelligent vehicle designed based on this scheme can ran fast and steadily.%以“飞思卡尔杯”智能车比赛为应用平台,以微控制器MC9s12xs128为核心单元,设计一套通过激光传感器实现路径识别的智能寻迹小车系统,利用模糊算法和过滤处理找出路径位置和方向,采用PD控制策略对小车运行进行控制.硬件设计包括信号调理电路、电源和电机驱动的设计等.实验结果证明,按该方案设计的智能车能够快速稳定运行.【总页数】4页(P82-84,113)【作者】刘林;孙冬梅【作者单位】南京工业大学自动化与电气工程学院,江苏南京211816;南京工业大学自动化与电气工程学院,江苏南京211816【正文语种】中文【中图分类】TP242.6【相关文献】1.视觉导引智能车的自适应路径识别及控制研究 [J], 张毅;高进可;王琪;王爽杰;袁明新2.单目视觉智能车路径识别及控制策略研究 [J], 陈启迅;薛静3.智能车光电传感器布局对路径识别的影响研究 [J],4.智能车两类路径识别系统比较研究 [J], 张迪洲;李增彦5.基于OV7620智能车的路径识别及控制策略 [J], 王立玲;王建成;白跃因版权原因，仅展示原文概要，查看原文内容请购买。

基于摄像头的最佳道路识别及赛车控制算法飞思卡尔

基于摄像头的道路识别及赛车控制算法杨运海周祺吕梁摘要：本文探讨了摄像头在智能车道路识别中的应用，并提出了一种通用的控制算法。

在准确采集图像的基础上，利用临近搜索法对有效道路信息进行快速提取，通过分析赛道信息，计算出赛道黑线的走向趋势及赛车当前位置。

在充分考虑当前和过去的赛道信息的基础上，对赛道类型进行判断及分类。

在综合考虑赛道类型，黑线走向及车当前位置，对舵机的转向和电机的速度进行精确控制。

关键词：图像采集；临近搜索；转向控制，速度控制1．概述在飞思卡尔智能车汽车比赛中，路径识别方法主要有两大类，一类是基于红外光电传感器，令一类是基于摄像头。

通常，红外光电传感器安装灵活，原理简单，可靠性好，不易受环境光干扰，因而得到了广泛应用，但其对前方道路的预判距离非常有限，不适宜赛车高速行驶。

另一类是基于摄像头，与光电传感器相比，其优点非常明显，能提前获取大量前方道路信息，有利于实现赛车的最优控制。

但其缺点是图像采集要求有高的AD转换频率，图像处理算法复杂度高，且容易受环境光的干扰。

考虑到摄像头的优点远大于其缺点，因此选择了摄像头。

以下是摄像头的工作流程图：图B-1 摄像头工作流程摄像头控制赛车行驶方案有三大模块：图像采集、赛道信息提取、转向和速度控制。

2．图像采集考虑到S12的运算能力，我们采用了黑白制式、320*240的CMOS单板摄像头。

摄像头出来的是模拟信号，每秒有50场图像，场之间有场消隐信号，行之间有行消隐信号，经过lm1881分离后，可得到场同步信号和行同步信号，作为行中断信号。

由于行中断中要采集该行的信号，对时间要求很严格，其中断优先级应比普通中断的优先级高，因此我们选择IRQ作为行同步信号输入口，PT0作为场信号输入口。

此外，为保证图像不丢失，我们仅对场信号的下降沿进行捕捉。

图B-2 摄像头视频信号按照目前车的刹车时的加速度，我们选定图像拍摄最远处为前方1米就足以对速度做出了控制。

考虑到前轮到前方20cm为摄像头的盲区，故有效拍摄范围为0.8m，为了保证不丢失起跑线，每2.5cm至少拍摄一行，故一幅图像至少采集32行。

智能车辆路径规划算法研究

智能车辆路径规划算法研究一、引言智能车辆是指通过搭载了各种传感器、控制器和通信设备的车辆，可以根据交通、天气和道路信息等数据，进行实时的自动行驶，以此提高驾驶安全性和车辆效率。

而智能车辆的核心技术之一就是路径规划算法。

二、智能车辆路径规划算法分类智能车辆路径规划算法可以分为以下几种：1.基于遗传算法的路径规划算法：遗传算法是一种基于自然界生物进化规律的数值优化方法。

基于遗传算法的路径规划算法的核心思想是通过模拟生物进化，逐步优化路径规划结果，以达到最优路径的目的。

2.基于模糊逻辑的路径规划算法：模糊逻辑是一种针对不确定性问题的逻辑学范畴。

基于模糊逻辑的路径规划算法可以模拟人类的判断方式，通过对输入数据进行模糊化处理，以求得更加合理的路径规划结果。

3.基于神经网络的路径规划算法：神经网络是一种模拟人类大脑神经系统运作方式的数学模型。

基于神经网络的路径规划算法可以将各种状态信息输入神经网络，通过训练得到适应性更强的路径规划结果。

4.基于模型预测控制的路径规划算法：模型预测控制是一种基于数学模型的预测性控制方法。

基于模型预测控制的路径规划算法通过建立车辆的动力学模型，以实现对车辆未来运动状态的预测，从而进行更加合理的路径规划。

三、智能车辆路径规划算法原理智能车辆路径规划算法的核心原理是通过对路径规划问题进行建模，然后利用各种数学方法对模型进行求解，以得到最优路径。

以基于遗传算法的路径规划算法为例，算法的实现过程具有以下步骤：1.建立车辆的运动模型，确定车辆的起点和终点，并将路网划分为若干个路径段。

2.定义适应度函数，根据路径的距离、时间、路况等因素，对每个路径段的适应度进行评估。

3.采用遗传算法对路径进行优化，随机生成一组路径编码，利用遗传算法进行迭代，并通过交叉、变异等方式来不断改变路径编码，以求得更优的路径组合。

4.按照所得到的最优路径组合，进行车辆导航，实现车辆的自动行驶。

四、智能车辆路径规划算法发展趋势随着智能车辆技术的不断发展，人们对于路径规划算法的要求也越来越高。