飞思卡尔智能车模起跑线识别方法的设计与实现

合集下载

飞思卡尔智能车大赛杭州电子科技大学杭电二队智能车技术报告

本设计采用单片机（MC9S12DG128）作为智能小车的检测和控制核心。

路径识别采用CMOS 摄像头，车速检测采用红外对管和编码盘，由MOS管组成H桥来控制驱动电机正反转的快速切换，利用PWM技术控制小车的运动速度及运动方向。

基于这些完备而可靠的硬件设计，还设计了一套PID优化算法，编写了全闭环运动控制程序，经反复测试，取得了较好的效果。

第一章引言.1 智能车系统研究内容智能车系统要求以MC9S12DG128为核心，能够自主识别路线，在专门设计的跑道上自动识别道路行驶，以最快的速度跑完全程。

其主要研究内容包括以下几个部分：电源、路径识别、直流电动机驱动及运动控制等。

1.1.1 电源根据智能车系统各部件正常工作的需要，对配发的标准车模用7.2V 1800mAh Ni-cd电池进行电压调节。

其中，单片机系统、车速传感器电路需要5V电压，摄像头的12V工作电压由DC-DC升压回路提供，伺服电机工作电压范围4.8V到6V，直流电机经过H桥路由7.2V 1800mAh Ni-cd蓄电池直接供电。

1.1.2 路径识别路径识别模块是智能车系统的关键模块之一，路径识别方案的好坏，直接关系到最终性能的优劣。

在高速度和预先判断算法的前提下，摄像头可能是寻找路径规迹的最好选择。

因为MC9S12DG128的运算处理和AD采样速度有限，因此确定合理的采样次数和合理的处理摄像头的数据是十分重要的。

舍弃非关键数据进行数据简化和制定高效率的路径规划也是一个难题。

1.1.3 直流电动机驱动直流电机的控制一般由单片机产生的PWM信号配以H桥路来完成。

为了得到更大的驱动电流和较好的刹车效果，选用低内阻的MOS管和适当的反向驱动也是必需的。

MOS管我们选取了IRF4905和IRFZ48N，在MOS管子的驱动方面我们直接使用IR公司的IR4427双道驱动芯片。

具体的H桥电路见图1.1 。

1.2 智能车制作情况整个智能车控制系统分为4部分电路板，分别为路径识别模块，单片机模块，直流电机驱动模块和速度检测模块，还有串口通讯及调试接口。

(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。

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。

飞思卡尔智能车竞赛设计方案

飞思卡尔智能车竞赛设计⽅案“神马”队设计⽅案摘要本⽂以“飞思卡尔”杯全国⼤学⽣智能车竞赛为主题，介绍了智能赛车从机械结构设计到控制系统的软硬件设计流程。

本次⽐赛使⽤竞赛秘书处统⼀指定的竞赛车模及套件，采⽤飞思卡尔半导体公司的16位微控制器作为核⼼控制单元，配合不同类型的传感器、驱动电机、转向舵机、直流电池、以及相应的驱动电路，使赛车能够⾃主识别路径，并控制模型车⾼速稳定地在跑道上运⾏，在规定时间内完成跑完赛道的任务。

第⼀章背景1.1“飞思卡尔”杯背景介绍“飞思卡尔”杯全国⼤学⽣智能车竞赛是在飞思卡尔半导体公司资助下举办的以S12 单⽚机为核⼼的⼤学⽣课外科技竞赛。

使⽤⼤赛组委会统⼀提供的竞赛车模、转向舵机、直流电机和可充电式电池，采⽤飞思卡尔 16 位微控制器MC9S12DB128B作为核⼼控制单元，⾃主构思控制⽅案及系统设计，包括传感器信号采集处理、控制算法及执⾏、电机驱动、转向舵机控制等，完成智能车⼯程制作及调试，于指定⽇期与地点参加场地⽐赛。

⽐赛成绩主要由赛车在现场成功⾏驶完赛道的时间为主。

全国⼤学⽣智能汽车竞赛所使⽤的车模是⼀款带有差速器的后轮驱动模型赛车，它由⼤赛组委会统⼀提供。

参赛队伍通过设计单⽚机的⾃动控制器控制模型车在封闭的跑道上⾃主循线运⾏。

在保证模型车运⾏稳定，即不冲出跑道的前提下，跑完两圈的时间越⼩成绩越好。

设计⾃动控制器是制作智能车的核⼼环节。

⾃动控制器是以单⽚机为核⼼，配合有传感器、电机、舵机、电池、以及相应的驱动电路，它能够⾃主识别路径，控制模型车⾼速稳定运⾏在跑道上。

⽐赛跑道表⾯为⽩⾊，中⼼有连续⿊线作为引导线，⿊线宽 25cm。

⽐赛规则限定可赛道宽度和拐弯最⼩半径等参数，赛道具体形状在⽐赛当天现场公布。

控制器⾃主识别引导线并控制模型车沿着赛道运⾏。

在严格遵守规则中对于电路限制条件，保证智能车可靠运⾏前提下，电路设计尽量简洁紧凑，以减轻系统负载，提⾼智能车的灵活性，同时坚持充分发挥创新原则，以简洁但功能完美为出发点，并以稳定性为⾸要前提，实现智能车快速运⾏。

基于飞思卡尔单片机的智能循线赛车设计和实现

系统总体方案设计
本文设计的智能循线赛车主要由路径检测、机转向控制、舵电机驱动、车速控制等功能模块以及软件控制算法构成。小车以１６位ＭＣＭ９１Ｄ１８为核心控制器，Ｕ（ＣＳ２Ｇ２）根据黑色和白色反射率的不同，用 “ ” 阵采一字列的红外光电传感器对黑线白底路径进行识别，检测到的信号送入ＭＣ通过查表方式改变控制舵机的将Ｕ，
图３ＩＲ０Ｔ０９９电路原理图
图４驱动直流电机的“ 桥电路Ｈ”
２４舵机转角控制模块．
系统角度控制模块采用Ｆｔａ司的￥００型舵机，ｕａ公ｂ３１它为通用舵机，具有低成本、反应快、扭矩的特高
Ｅ．．．．．．．．．．．．．．．．．．．．．．．．．．．Ｊ
二圃
、 ●
囤
ｌ向 — 二ｒ——＿： — — 机Ｋ转 — —舵１ ——
图１系统结构框图
２智能小车硬件设计
２１电源模块．
电源是一个系统正常工作的基础，电源的设计至关重要。系统模块中需供电的部分包括：电传感器模光
收稿日期：００— ３—１２１０９作者简介：杨丹明（９５一）男，士研究生，１８，硕主要研究方向为控制理论与控制工程。
第６期
杨丹明，王富东，张
成，：等基于飞思卡尔单片机的智能循线赛车设计和实现

智能车起跑线边沿检测方法的设计与实现

ｄｉ１．９９ｊｉｎ１７・０１２１．１０１ｏ：０３６／．ｓ．６１１４．０２０．２ｓ
智能车起跑线边沿检测方法的设计与实现
高素文
（华北电力大学自动化系，保定０１０）７００
摘要：文介绍了一种使用边沿检测来识别智能车赛道起跑线的方法，本详细地对起跑线的特征以及智能车经过起跑线的情
况进行分析，论述了起跑线边沿检测法的实现步骤，并讨论了如何进一步提高起跑线边沿检测法准确性的问题。关键词：智能车；起跑线；边沿检测
中图分类号：Ｐ９．Ｔ３１４文献标志码：Ｂ
Ｔｈｓｇｎｉｐｌｍｅｔｔｏｆｓａｔｃｒｓａｔｎｇｌｎｄｅｄｅｅｔｏｍｅｈｄｅｄｅｉｎａｄｍｅｎａｉｎｏｍｒａｔｒｉｉｅｅｇｔｃｉｎｔｏ
全国性比赛。比赛要求参赛队伍自主设计并完成一辆能自动
识别路线并能在专门设计的封闭跑道上自动驾驶的智能汽
赛车起跑时，放置于起跑线下方的起始区，计时以赛车第一次通过起跑线开始，车Ｊ利完成跑道循迹，赛Ｉ顷跑完赛道全程后，第二次通过起跑线算作完成比赛，计时结束。如果赛车未能成功检测到起跑线，则不能在规定的３米区域内停止，比赛计时成绩将增加１秒。比赛成绩是以赛车跑完赛道全程的用时为评价标准，故准确检测起跑线对赛车的成绩具有非常重要的意义。
全国大学生 “ 飞思卡尔 ” 智能汽车竞赛的跑道起跑线杯如图１所示，道表面为白色，跑中心有黑线作为引导线，黑线宽２ｍｍ± ｕ。在计时起始点处，离引导线４５ｍ的位５５ｎｎ距．ｃ置左右分别有一长度为ｌｃ的黑线。Ｏｍ

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。

飞思卡尔智能车设计方法探讨

优点就是无论制臂状态如何，桥都不会出现 “ Ｈ共
态导通 ” 短路）（。电路图如２所示。
ＧＤＮ
图２Ｈ桥电路
圈３ＭＣ３８芯片驱动电路３８６
采用ＣＭＯＳ管搭建Ｈ桥，特点是内阻小，其驱
１６／ｎ工作效率最大。通过电机驱Байду номын сангаас动模块４００ｒｍｉ，控制电机两端电压，以使模型车加速运行，可也可对模型车进行制动。可以使用大功率晶体管、桥或全
者半桥电路，出Ｐ输ＷＭ波形实现对电机的控制。通过查阅大量资料，目前主流Ｒ３０Ｓ直流Ｓ８一Ｔ
Ｑ４关闭，电机两端均为高电平，电机不转；当控制臂
要电机双向旋转控制，需要另一片ＢＳ９Ｏ共同则Ｔ７６组成全桥。图为采用Ｂ７６ＴＳ９０驱动芯片的电路如
图４所示。
１２均为高电平时，、、ＱｌＱ２关闭，３Ｑ４导通，Ｑ、电机两端均为低电平，机也不转，以，电路有一个电所此
图１系统结构框图
１智能车整体设计
系统采用飞思卡尔半导体公司的１６位微处理
２驱动电路设计
直流电机的性能受驱动电路的好坏影响，的好
驱动电路可以充分发挥直流电机的性能，而为整从个智能车提供一个性能优越的动力系统。飞思卡尔

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。

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。

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”智能汽车系统设计

作为最为普遍的交通工具之一，汽车与人们的生活息息相关。一旦智能汽车得到普及势必会走向量产化，而在智能汽车普及之前应该制定出相关的设计标准作为智能汽车的标杆。智能汽车系统所包含的内容甚多，如信息控制、系统结构、数据采集、系统数据库等方面都属于智能汽车系统所涵盖的范畴，如果没有统一的标尺，则会让各个模块之间出现很大的差异化，这样就会带来一系列的问题，同时也会让智能汽车的构建变得繁琐、复杂。通过制定出统一的标准，让系统兼容性得以保证的同时让整个智能汽车系统设计更加规范，从而带动智能汽车产业的发展［１】。
１．２控制模块
控制系统是智能汽车系统重要的组成部分，是实现人机交互的关键。从当前的汽车控制来看还是不能离开人工操作，只有在驾驶员存在的情况下才能保证汽车的正常工作。在驾驶的过程中，如果时间较长则会给驾驶员带来极大的疲劳感，这样就间接带来了交通事故隐患。而在智能化汽车将能够摆脱人工操
科学论坛
ｌ蕾
ＣｈｉｎａｓｃｉｅｎｃｅａｎｄＴｅｃｈｎｏ］ｏｇｙＲｅｖｉｅｗ
“ 飞思卡尔 ” 智能汽车系统设计
王贯安
（中南大学湖南长沙４１００１２）
［摘要］随着科技的进步，汽车产业也发生了翻天覆地的变化。在计算机技术、网络技术、电子技术等高端技术的推动下，智能汽车得到了实现，相信随着时间的推移。智能汽车也将有着更加广阔的发展空间。要让汽车实现智能化，智能系统设计是十分重要的一个环节。本文对智能汽车系统进行了综合性的阐述，并以 “ 飞思卡尔智” 能汽车比赛对智能汽车系统设计进行了探讨。［关键词］飞思卡尔智能汽车系统设计中图分类号：Ｄ４１２．３文献标识码：Ａ文章编号：１００９－９１４Ｘ（２０１４）０１ —０２２４一Ｏ１

飞思卡尔智能车毕业设计开题报告

国内外概况：
国外概况
韩国大学生智能模型车竞赛是韩国汉阳大学汽车控制实验室在飞思卡尔半导体公司资助下举办的以HCS12单片机为核心的大学生课外科技竞赛。组委会将提供一个标准的汽车模型、直流电机和可充电式电池，参赛队伍要制作一个能够自主识别路线的智能车，在专门设计的跑道上自动识别道路行驶，跑完整个赛程用时最短，而且技术报告评分较高的参赛队就是获胜者。制作智能车，需要参赛队伍学习和应用嵌入式软件开发工具软件Codewarrior和在线开发手段，自行设计和制作可以自动识别路径的方案、电机的驱动电路、模型车的车速传感电路、模型车转向伺服电机的驱动以及微控制器MC685912DP256控制软件的编程等等。
毕业实习，查阅资料，到多个公司实践，撰写实习报告。
3月5日～3月19日．开题阶段。
提出总体设计方案及草图，填写开题报告。
3月20日～5月7日．设计初稿阶段。
完成总体设计图、部件图、零件图。
5月8日～5月25日．中期工作阶段。
完善设计图纸，编写毕业设计说明书，中期检查。
5月26日～5月27日．毕业设计预答辩。
根据以上解决方案预期能使道路及速度信号采集与控制信号在20ms内完成处理；道路信号的识别算法可完成符合要求的各种赛道识别，并至少保持一帧信号；控制策略根据道路与速度信号实现负反馈输出，合理控制转向角与速度，保证小车最高速度达到3.5m/s,平均速度达到2m/s。
四、课题进度安排
2月21日～3月5日．毕业实习阶段。
三、解决方案及预期效果
对于视频信号的采集，采用动态阈值分割法，增加了智能车对场地的适应性，减少了比较严重的控制误差发生几率。编制适当的软件来进行抗干扰处理。之后对摄像头的安装参数进行标定，通过对得到的图像进行校正，运用测路径曲率的方法，得到了比较精确的舵机控制量，实现了智能车的完美过弯。对于电机的驱动程序则采用了速度PID控制，通过对赛道特征的判断，确定速度期望值，由捕捉到的编码盘产生的脉冲数测得电机实际速度，计算二者之差得到偏差量，再通过KP、KI、KD协调控制，计算得到控制电机的PWM值，实现电机的PID控制。

飞思卡尔光电组检测起跑线

最近很多人问光电车如何检测起跑线，是红外管还是ccd，ccd需不需要另外加多一个。

其实我很想说，如果不清楚不行是实践说的话常识一下就行了，行话的，理论是辅助自己更好去实践的，并非事实就是这样，太多的因素我们无法理论推理！在这里分享一下我检测起跑线的一些经验：1、我的CCD是检测跳变沿来识别黑线的，一开始观察到当车经过起跑线的时候，是可以检测到6个跳变沿的，在其他任何的地方都不会检测到这么多的跳变沿，这是我开始检测的简单方法。

这里检测跳变沿的阈值很关键，有一个范围，动态的，其实如果你能保证每一次检测都不会检测不到或者误判黑线这6个跳变沿是没问题的。

阈值方面属于检测黑线的范围就不多说了。

2、上面检测六个跳变沿一直用的很准确的，但是当速度上到1.8以上的时候偶尔就检测不到，常识降低阈值，还行，勉强提取黑线和起跑线都没有问题。

（在这里发现如果速度继续加快的话方法就会检测不到了）3、速度要继续提高，没有办法了，想到用红外对管，不过由于是直立车，车身的角度不能很好的保持，红外对管不调制过的话距离太短，更重要的是，过障碍和坡度的时候肯定会卡到或者误判。

想着想着发现极为纠结的红外，不靠谱。

4、接着就考虑从CCD下手，加多一个CCD？加多一个的话让他斜着放速度就算是3.0还是可以检测的，不过不仅在车身重心增高，代码的时序要求更严格了，检修和维护的困难都会增加。

pass.5、最后我的决定是，减小曝光时间，增加CCD检测的周期，之前是9ms的周期，现在继续缩短，6ms。

经过测试认证，巡线白天依然毫无压力，晚上实验室灯全开，全程偶尔会有十来个6ms周期丢线之外其他地方都还ok。

起跑线检测目前还没有出现误判漏判的i情况。

以上是我在弄起跑线的一个过程，希望能帮助到有需要的的车友。

PS：送上我做车的重要心得体会：大胆的打破常局去实践才是王道，即使理论明明说是错误的，你也可以去尝试。

信心、创新、实践。

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。

飞思卡尔智能车黑线提取算法与行驶控制

飞思卡尔智能车黑线提取算法与行驶控制（摄像头组）引言按照第一届全国大学生“飞思卡尔”智能车大赛比赛规则要求：使用大赛组委会统一提供的竞赛车模，采用飞思卡尔16位微控制器MC9S12DG128作为核心控制单元，自主构思控制方案及系统设计，包括传感器信号采集处理、控制算法及执行、动力电机驱动、转向舵机控制等，以比赛完成时间短者为优胜者。

其中赛道为在白色底板上铺设黑色引导线。

根据赛道特点，主要有两种寻线设计方案：。

本文是在摄像头方案的实时图像数据已经获得的基础上，对图像进行数据处理，提取赛道中的引导黑线位置，从而以此作为舵机和驱动电机的控制依据。

图像数据信息特点摄像头的主要工作原理是：按一定的分辨率，以隔行扫描的方式采集图像上的点，当扫描到某点时，就通过图像传感芯片将该点处图像的灰度转换成与灰度成一一对应关系的电压值，然后将此电压值通过视频信号端输出。

具体而言(参见图1)，摄像头连续地扫描图像上的一行，则输出就是一段连续的电压视频信号，该电压信号的高低起伏正反映了该行图像的灰度变化情况。

当扫描完一行，视频信号端就输出低于最低视频信号电压的电平(如0.3V)，并保持一段时间。

这样相当于，紧接着每行图像对应的电压信号之后会有一个电压“凹槽”，此“凹槽”叫做行同步脉冲，它是扫描换行的标志。

然后，跳过一行后(因为摄像头是隔行扫描的方式)，开始扫描新的一行，如此下去，直到扫描完该场的视频信号，接着就会出现一段场消隐区。

此区中有若干个复合消隐脉冲(简称消隐脉冲)，在这些消隐脉冲中，有个脉冲，它远宽于(即持续时间长于)其他的消隐脉冲，该消隐脉冲又称为场同步脉冲，它是扫描换场的标志。

场同步脉冲标志着新的一场的到来，不过，场消隐区恰好跨在上一场的结尾部分和下一场的开始部分，得等场消隐区过去，下一场的视频信号才真正到来。

摄像头每秒扫描25幅图像，每幅又分奇、偶两场，先奇场后偶场，故每秒扫描50场图像。

奇场时只扫描图像中的奇数行，偶场时则只扫描偶数行。

智能小车路径识别及速度控制系统的实现

两块 MC33886 并联电路图。
图 1 智能车控制系统结构图智能车控制系统如上图 1 所示，CMOS 摄像头采集路面的灰度图像传给单片机，单片机通过对图像的处理识别路径，并实时地通过测速模块检测小车速度，利用 PID 算法实现对小车的转向及速度的闭环控制。该系统采用飞思卡尔公司高性能 16 位单片机 MC9S12DG128 为核心控制器，该单片机可以升级到 50MHz,能够达到通常只有 32 位控制器才能达到的性能水平，完全可以满足图像采集处理、电机、舵机实时控制的要求。视觉模块采用 CMOS 摄像头，CMOS 摄像头是一种高集成度大规模集成电路，使用光敏元件为感光器件，经光电转换直接产生电压信号，具有很高的灵敏度，功耗相对于 CCD 有很大的降低。因为模拟环境是白色地面上铺黑色的引导线，所以我们只需要采集灰度信号就可以了，即 YUV 颜色空间里的 Y 信号，信号处理量不大，基本可以满足实时采集、处理的要求。图 2 为编码芯片 OV7620 与 16 位单片机的电路图：
— 72 —
机内保持 50%～60%,出雏机保持 65%～75%。在孵化管理中对湿度的掌握以“两头高中间低”进行调控，孵化前期胚胎在形成羊水和尿囊，湿度应高些，中期胚胎要排羊水和尿囊液，湿度应低些，啄壳、出雏期间为防止雏鸡绒毛与蛋壳粘连，便于雏鸡啄壳出雏，湿度应高些。
３通风通风换气的目的是供给胚胎生长发育足够的新鲜空气，排出二氧化碳，促进胚胎散热，防止自温超温。蛋的上面有一个气室，气室内储存有空气。孵化初期，胚胎需要的氧气很少，通过接触酶活动，蛋黄中吸收氧气，渐渐的又利用气室内的空气供给胚胎氧气，再往后呼吸量增大，则靠尿囊循环与蛋壳的气孔进行交换气体，满足胚胎的呼吸。初期胚胎需氧 0.51 立方厘米，到后期，肺部发育完全，到第 14 天完全靠自身的呼吸运动满足胚胎的氧气。后期需要的氧气量为 17 立方厘米之多，呼吸次数也不断增加，根据胚胎发育需氧量的规律，我们就要掌握适当的换气操作方法，初期可两小时换气一次，打开进排气门，摇动风扇达 10 分钟;7 天后要增加换气次数，1 小时换气 1 次，摇动风扇达 20 分钟。10 天以后，换气工作更要勤一些，可以半小时 1 次，每次摇动风扇 30 分钟。到 17 天以后，可以断续的将进排气门打开，让它自然通风。由于自产热的不断增加，蛋面温度上升很快，上层蛋温较高，就可将进排气门一直开着，让它自然通风。这样就可避免后期胚胎缺氧息气死亡。４转蛋转蛋也称翻蛋。孵化期间，翻蛋不仅可防止胚胎的粘连，促进胚胎运动，而且能够保持最快的血管生长以及胚胎、卵黄囊最佳的相对位置，从而可最大限度地利用营养，以保持胚胎最高的生长速度。多数自动孵化器设定的转蛋次数 1～18 天为每 2h 一次，每天 12 次。每天转蛋 6～8 次对孵化无影响。19～21 天为出雏期，不需要转蛋。孵化的第一周转蛋最为重要，第二周次之，第三周效果不明显。转蛋的角度应与垂直线成 45 度角位置，然后反向转至对侧的同一位置，转动角度较小不能起到转蛋的效果，太大会使尿囊破裂从而造成胚胎死亡。５凉蛋凉蛋是孵化的补充条件，是指孵化到一定时间，将孵化机门打开，关闭电源，让胚蛋温度下降的一种操作程序。目的是驱散孵化机中余热，让胚蛋得到更多的新鲜空气，还可给胚胎冷刺激，有利于胚胎发育。通常做法是每天上午、下午各一次。待胚蛋温度下降到 30℃~33℃后重新关上机门接通电源继续孵化。如果孵化机供温、通风系统设计合理，供温稳定，通风良好，也可以不凉蛋。但在炎热的夏季孵化或上蛋量过大，通风不良时，需及时进行凉蛋。尤其是孵化后期胚胎脂肪代谢增强，自温超温时应加强凉蛋。上述孵化五要素都是互相联系、互相制约的，在正常情况下，温度、通风、翻蛋是鸡蛋孵化的三大要素，三者关系密切缺一不可，掌握好这三大要素再辅以湿度和凉蛋措施，定能取得理想的孵化成绩。

飞思卡尔--智能车传感器的排布

飞思卡尔--智能车传感器的排布4.1光感器的路径精确识别技术在智能车系统中，光电（激光）传感器就是整个系统的“眼睛”，其对于路径的识别在控制系统中尤为重要。

4.1.1 光电传感器路径识别状态分析由于往届竞赛对光电传感器排布方式研究已经比较深入，传统的“一”字型排布方式在众多排布方式中效果显著，是最常用的一种排布方式。

模型车也充分利用了往年的成熟的传感器技术，其排布方式如图5.1。

图4.1 模型车激光传感器一字排布图对于我们模型车，传感器在赛道上可能的状态有：在普通的赛道处、在起点处、在十字交叉线处，分别如下图（并未列出所有的状态图），下面将分别进行分析。

图4.2激光传感器在普通赛道上为了识别赛车是处于什么样状态下，用于进行赛道记忆和速度控制，对于我们的数字型激光传感器，每个传感器只有0与1 两种状态，我们分别把14路传感器标记为1到14号传感器，每个传感器又可以对应一个是否在黑线上的标志位，分别为Sen_Flag[0]到Sen_Flag[13]，相应在黑线上为1，不在黑线上为0，从而通过对任一时刻传感器标志位的读取就可以知道此时模型车的状态。

为了精确地识别起跑线和十字交叉线，在程序设计时还定义了一个名为Sen_ChangeCount的变量，表示传感器状态变化（由1变为0和由0变为1）的次数。

从上面的传感器状态图中可以轻松看出，在普通赛道上出除了赛车移出赛道之外传感器变化次数都为2次，而在起跑线处模型车的传感器状态变化次数为4次，在十字交叉线时传感器状态变化次数为0次。

为了进一步把各种状态分开，在程序中还定义了变量Sen_FlagCount，用于统计所有传感器状态标志位之和，即在黑线上的传感器的数目。

结合以上几个变量，就可以准确地分清各个传感器状态了。

各个传感器状态如下表：表4.1 传感器状态判定表通过上表，就可以轻松地把模型车任一时刻的传感器状态识别出来，也为赛道记忆识别起点等提供的必要的保障。