陳二陽(yáng) 張修軍 袁姜紅

摘 要： 結(jié)合圖像識(shí)別、模糊自適應(yīng)PID控制等算法，設(shè)計(jì)并實(shí)現(xiàn)一種自主駕駛智能小車。以NXP的微控制器MK60N512VMD100為核心控制單元，通過(guò)CMOS攝像頭OV7725檢測(cè)并分析跑道信息，利用512線光電編碼器測(cè)定小車的運(yùn)行速度，并將速度和方向參數(shù)反饋給電機(jī)和舵機(jī)，結(jié)合PID算法實(shí)現(xiàn)閉環(huán)控制。經(jīng)過(guò)多次在實(shí)驗(yàn)室模擬跑道實(shí)測(cè)發(fā)現(xiàn)，小車運(yùn)行軌跡控制較為精確，速度平穩(wěn)，具備較強(qiáng)的環(huán)境適應(yīng)能力。

關(guān)鍵詞： 圖像識(shí)別； 模糊自適應(yīng)PID控制； 智能小車； CMOS攝像頭； 光電編碼器； 閉環(huán)控制

中圖分類號(hào)： TN02?34； TP273 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）18?0162?04

Design and implementation of autonomous driving intelligent car

based on image recognition

CHEN Eryang1，2， ZHANG Xiujun1， YUAN Jianghong3

（1. School of Information Science and Engineering， Chengdu University， Chengdu 610106， China；

2. School of Geophysics， Chengdu University of Technology， Chengdu 610059， China；

3. Sichuan Winshare Vocational College， Chengdu 611330， China）

Abstract： An autonomous driving intelligent car was designed and implemented based on image recognition and fuzzy adaptive PID control algorithm. With the microcontroller MK60N512VMD100 of the NXP as the core control unit， the CMOS camera OV7725 is used to detect and analyze runway information， and the photoelectric encoder with 512 lines engraved per round is used to measure the running speed of the car， and feed speed and direction parameters back to the motor and steering engine， so as to realize closed?loop control by combining with the PID algorithm. After many actual tests on the simulation runway of the laboratory， it has been found that the car has an accurate running trajectory control， stable speed and strong environment adaptability.

Keywords： image recognition； fuzzy adaptive PID control； intelligent car； CMOS camera； photoelectric encoder； closed?loop control

近年來(lái)，隨著車聯(lián)網(wǎng)、物聯(lián)網(wǎng)、無(wú)線通信、計(jì)算機(jī)、數(shù)據(jù)挖掘、機(jī)器視覺(jué)、工業(yè)控制等汽車電子相關(guān)技術(shù)的快速發(fā)展，令本已炙手可熱的汽車自主駕駛技術(shù)在國(guó)內(nèi)外成為研究焦點(diǎn)，越來(lái)越多的廠商投身其中[1]。比如，國(guó)外的特斯拉Autopilot、谷歌無(wú)人駕駛汽車、蘋果汽車項(xiàng)目“Project Titan”、福特?zé)o人車、Uber無(wú)人駕駛出租車[2]等，但國(guó)內(nèi)目前還沒(méi)有特別成熟的自動(dòng)駕駛產(chǎn)品[3]?；贛K60N512VMD100及CMOS OV7725的自主駕駛智能小車，結(jié)合圖像識(shí)別、模糊PID控制等算法，對(duì)我國(guó)市場(chǎng)上自主駕駛汽車技術(shù)的發(fā)展具有一定的實(shí)際意義。

1 系統(tǒng)總體設(shè)計(jì)

1.1 供電系統(tǒng)總體設(shè)計(jì)

整個(gè)系統(tǒng)能否平穩(wěn)運(yùn)行一定程度上依賴于系統(tǒng)的供電系統(tǒng)合理性。供電電壓和電流的大小浮動(dòng)在可控范圍內(nèi)是基本要求，除此之外，還必須考慮信號(hào)抗干擾、電源轉(zhuǎn)化效率等優(yōu)化問(wèn)題[4]。系統(tǒng)外部電源由7.2 V 2 000 mA·h Ni?cd標(biāo)準(zhǔn)蓄電池提供。依據(jù)各模塊客觀需求，系統(tǒng)提供4種穩(wěn)壓電路，如下：

1） 3.3 V電壓。主要為單片機(jī)系統(tǒng)、攝像頭、128×128液晶屏、陀螺儀以及部分接口電路提供電源。

2） 5 V電壓。主要為編碼器提供電源。

3） 6 V電壓。主要為數(shù)字舵機(jī)（S?D5）提供電源。

4） 12 V電壓。主要用于驅(qū)動(dòng)電路中。

1.2 系統(tǒng)硬件總體設(shè)計(jì)

為了盡量避免不同硬件模塊之間的相互電磁干擾，系統(tǒng)硬件力求簡(jiǎn)單高效，總體設(shè)計(jì)如圖1所示。

1.3 系統(tǒng)軟件總體設(shè)計(jì)

CMOS OV7725采集到跑道及小車運(yùn)行信息后，經(jīng)過(guò)圖像分析提取到跑道邊緣、中線、跑道元素等有效信息后。一方面，系統(tǒng)判斷當(dāng)前的跑道元素，并以此為依據(jù)計(jì)算出小車的理論速度及舵機(jī)轉(zhuǎn)向參數(shù)；另一方面，結(jié)合檢測(cè)到的速度信息及當(dāng)前小車在跑道的運(yùn)行情況，實(shí)時(shí)計(jì)算誤差，動(dòng)態(tài)調(diào)整PID參數(shù)，最終輸出最理想的速度參數(shù)和舵機(jī)參數(shù)。系統(tǒng)軟件工作框圖如圖2所示。

2 系統(tǒng)硬件設(shè)計(jì)

2.1 MCU供電電路

為了穩(wěn)定MK60N512VMD100的工作電壓，并防止其他器件對(duì)芯片電壓造成影響，選用低壓差線性電源芯片TPS7350和TPS7333獨(dú)立供電，它們具有完善的過(guò)流、過(guò)壓、電壓反接保護(hù)電路，且功耗小、幾乎不需要單獨(dú)考慮散熱問(wèn)題。MCU供電電路如圖3所示。

2.2 3.3 V，5 V穩(wěn)壓電路

在小車的實(shí)際運(yùn)行中，電機(jī)和舵機(jī)經(jīng)常會(huì)因?yàn)槁窙r信息突然啟停，這個(gè)過(guò)程容易造成電池電壓驟變，一般會(huì)把電源電壓拉低1 V多，造成對(duì)電源的干擾，這就要求穩(wěn)壓電路必須具備一定的抗干擾能力。

低壓差線性穩(wěn)壓芯片LM2940，最大輸出電流可達(dá)1 A，滿足液晶屏、攝像頭、編碼器等外圍器件的使用，且抗干擾性高，故系統(tǒng)中的3.3 V，5 V穩(wěn)壓電路中選用LM2940。穩(wěn)壓電路如圖4所示。

2.3 6 V穩(wěn)壓電路

系統(tǒng)選用的轉(zhuǎn)向舵機(jī)為S?D5數(shù)字舵機(jī)，其常見(jiàn)工作電壓為5.5 V，為了使舵機(jī)具備更快的響應(yīng)速度，在電壓浮動(dòng)范圍內(nèi)系統(tǒng)為其提供6 V供電電壓。系統(tǒng)選用LM2596_ADJ構(gòu)造6 V穩(wěn)壓電源，該模塊輸出電壓穩(wěn)定、紋波小、穩(wěn)壓效果較為理想。6 V穩(wěn)壓電路如圖5所示。

2.4 電機(jī)H橋驅(qū)動(dòng)電路

較好的加速與制動(dòng)能力對(duì)小車運(yùn)行速度和平穩(wěn)性具有重要的意義。研究發(fā)現(xiàn)，直流電機(jī)的速度與施加的電壓成正比，輸出轉(zhuǎn)矩則與電流成正比[5]。系統(tǒng)選用540強(qiáng)磁碳刷直流電機(jī)，其額定工作電壓為12 V。為了盡可能地避免電機(jī)顫抖、噪音大等問(wèn)題，并能夠滿足對(duì)電機(jī)反轉(zhuǎn)的需求，系統(tǒng)采用H橋控制電路。部分芯片內(nèi)部集成了H橋電路和內(nèi)部驅(qū)動(dòng)，比如SGS公司的L298，NXP公司的MC33886和MC33887等，但是上述芯片由于內(nèi)阻較大，容易導(dǎo)致嚴(yán)重發(fā)熱、驅(qū)動(dòng)能力不足等問(wèn)題[6]，實(shí)際效果也不理想。經(jīng)過(guò)實(shí)驗(yàn)測(cè)試，系統(tǒng)采用MOS管IRF3205搭建H橋驅(qū)動(dòng)電路，能夠提供較大的電流，并且能夠反轉(zhuǎn)，效果較為理想，電路圖如圖6所示。

3 系統(tǒng)軟件設(shè)計(jì)

實(shí)驗(yàn)室模擬跑道中共設(shè)置有9種常見(jiàn)道路元素，分別為“起跑線”“障礙”“S型彎道”“直角彎道”“十字路口”“坡道”“直道”“環(huán)島”“結(jié)束標(biāo)志”，為了方便描述，系統(tǒng)中將以上9種跑道元素依次設(shè)置為編號(hào)：01，02，03，04，05，06，07，08，09。

系統(tǒng)通過(guò)CMOS攝像頭OV7725檢測(cè)跑道元素信息，并使用模擬比較器對(duì)圖像進(jìn)行硬件二值化，進(jìn)而提取跑道兩邊的黑色邊緣的中心線作為引導(dǎo)線，用于跑道路徑及轉(zhuǎn)向的判斷依據(jù)。電機(jī)控制采用模糊自適應(yīng)PID算法，舵機(jī)控制采用PD算法，以達(dá)到快速、穩(wěn)定的控制效果。主程序流程圖如圖8所示。

3.1 跑道邊線提取

在小車實(shí)際運(yùn)行過(guò)程中，由于光線、路肩、雜點(diǎn)等干擾因素的影響，攝像頭捕捉到的圖像效果往往比模擬狀態(tài)有較大程度的差距，因此，在提取跑道信息之前必須對(duì)圖像數(shù)據(jù)進(jìn)行預(yù)處理，盡可能去除噪音。

設(shè)計(jì)思路：左邊搜索100跳變作為左側(cè)邊線參考，右邊搜索001跳變?yōu)橛覀?cè)邊線參考（“0”表示“白”色，“1”表示“黑”色）。最后還要對(duì)未找到的邊線行進(jìn)行補(bǔ)線。流程圖如圖9所示。

3.2 PID控制

3.2.1 電機(jī)控制采用模糊自適應(yīng)PID算法

智能車運(yùn)行過(guò)程中，由于“路況”復(fù)雜，存在非線性、參數(shù)時(shí)變性和模糊不確定性，經(jīng)典PID控制對(duì)該過(guò)程的控制效果很不理想[7]。模糊自適應(yīng)PID控制器對(duì)數(shù)學(xué)模型的依賴性較弱，無(wú)需建立控制過(guò)程的精確數(shù)學(xué)模型，只需把系統(tǒng)規(guī)則的條件、操作用模糊集表示，并把這些模糊控制規(guī)則以及有關(guān)信息作為知識(shí)存入計(jì)算機(jī)知識(shí)庫(kù)中[8]，然后計(jì)算機(jī)根據(jù)控制系統(tǒng)的實(shí)際相應(yīng)情況，運(yùn)用模糊推理，自動(dòng)實(shí)現(xiàn)對(duì)PID參數(shù)的最佳調(diào)整[9]。模糊自適應(yīng)PID結(jié)構(gòu)圖如圖10所示，預(yù)存入計(jì)算機(jī)知識(shí)庫(kù)的相關(guān)信息見(jiàn)表1。

在運(yùn)行中通過(guò)不斷檢測(cè)誤差e和誤差變化ec，根據(jù)模糊控制原理對(duì)KI，KP，KD進(jìn)行在線修改，以滿足不同e和ec時(shí)對(duì)控制參數(shù)的不同要求，而使對(duì)象有良好的動(dòng)靜態(tài)性能[10]。

3.3.2 舵機(jī)控制采用PD算法

為了使小車有較好的跑道適應(yīng)能力，首先根據(jù)有效行、偏差和圖像信息判斷出不同的跑道情況，根據(jù)不同路況情況，分別給小車舵機(jī)不同的PD值，以便直接快速控制舵機(jī)轉(zhuǎn)向，優(yōu)化小車行駛路徑。

4 結(jié) 語(yǔ)

整車在實(shí)驗(yàn)室模擬跑道環(huán)境下進(jìn)行測(cè)試，跑道整體背景為深藍(lán)色，跑道路面（45 cm寬）為白色，沿跑道鋪有黑色邊界（2.5 cm寬），整體跑道長(zhǎng)度共計(jì)60 m。

經(jīng)過(guò)多次實(shí)測(cè)發(fā)現(xiàn)，系統(tǒng)所采用的軟硬件能夠較好地協(xié)調(diào)工作，小車運(yùn)行軌跡較為精確，平均速度約3 m/s，具備較強(qiáng)的環(huán)境適應(yīng)能力，基本達(dá)到系統(tǒng)預(yù)期設(shè)計(jì)目標(biāo)。

參考文獻(xiàn)

[1] BEHERE S， T?RNGREN M. A functional reference architecture for autonomous driving [J]. Information and software technology， 2016， 73： 136?150.

[2] MANAWADU U E， ISHIKAWA M， KAMEZAKI M， et al. Analysis of preference for autonomous driving under different traffic conditions using a driving simulator [J]. Journal of Robotics and Mechatronics， 2015， 27（6）： 660?670.

[3] 肖文健，李永科.基于模糊控制的智能車系統(tǒng)設(shè)計(jì)[J].電子設(shè)計(jì)工程，2012，20（18）：158?160.

XIAO Wenjian， LI Yongke. Design of intelligent vehicle systems based on photoelectric sensor [J]. Electronic design engineering， 2012， 20（18）： 158?160.

[4] KANTHALAKSHMI S， WINCY PON ANNAl A S. An adaptive PID control algorithm for nonlinear process with uncertain dynamics [J]. International journal of automation and control， 2017， 11（3）： 262?273.

[5] 郭志剛.雙軸數(shù)控機(jī)床中的伺服系統(tǒng)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2009.

GUO Zhigang. Research on the servo systems in the dual?axis CNC machine tools [D]. Harbin： Harbin Institute of Technology， 2009.

[6] JING L， GE H， NIE Y. Research on fuzzy PID control strategy for brushless direct current motor [J]. Revista iberica de sistemas e tecnologias de informacao， 2016， 17（5）： 227?237.

[7] 翟雁，郭陽(yáng)寬，祝連慶，等.步進(jìn)電機(jī)模糊PID閉環(huán)控制系統(tǒng)仿真研究[J].現(xiàn)代電子技術(shù)，2015，38（11）：146?149.

ZHAI Yan， GUO Yangkuan， ZHU Lianqing， et al. Simulation research on fuzzy PID closed?loop control system for stepping motor [J]. Modern electronics technique， 2015， 38（11）： 146?149.

[8] 桂振文，吳侹，彭欣.一種融合多傳感器信息的移動(dòng)圖像識(shí)別方法[J].自動(dòng)化學(xué)報(bào)，2015，41（8）：1394?1404.

GUI Zhenwen， WU Ting， PENG Xin. A novel recognition approach for mobile image fusing inertial sensors [J]. Acta Automatica Sinica， 2015， 41（8）： 1394?1404.

[9] SHI C Z， WANG C H， XIAO B H， et al. Multi?scale graph?matching based kernel for character recognition from natural scenes [J]. Acta Automatica Sinica， 2014， 40（4）： 751?756.

[10] MAJI S， BERG A C， MALIK J. Efficient classification for additive kernel SVMs [J]. IEEE transactions on pattern analysis & machine intelligence， 2013， 35（1）： 66?77.