基于机器视觉的智能跟踪车的设计与实现外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

基于机器视觉的智能跟踪车的设计与实现

摘要：智能跟踪车可以实现对环境信息的自我感知、行为决策、自动驾驶等，在我们的生活中有着广泛的应用。本文设计了一种基于STM32F407ZGT6单片机的新型智能汽车。轨迹信息由OV7725摄像头收集。采用快速OTSU自适应阈值算法获取路径引导中心线，实现图像采集、图像分析和传感器数据融合、阻塞路径识别和智能判断、自动跟踪功能。测试结果表明，该算法是有效可行的。当轨道上出现障碍或部分丢失时，它可以智能地识别有效障碍和障碍，实现独立决策。它具有良好的动态性和鲁棒性。

关键词：机器视觉；智能汽车；跟踪；避障

1 引言

智能汽车以其方便性，甚至可以代替人完成高度危险的工作，在许多领域得到了广泛的应用，显示出极大的优越性。目前，移动机器人的研究在各个国家得到了越来越多的关注，从硬件建设到软件编程，从传感器网络节能[1,19,20]到数据安全传输[2-5]。

智能汽车作为移动机器人研究和测试的基础平台，取得了一系列相应的成果[6-10]。随着机器视觉和人工智能等概念的出现，基于图像的无人驾驶技术是当前的研究热点之一[11]。王改进了反向传播网络算法，建立了AGV视觉系统来识别路标[12]；一种创新的二维视觉传感方法被用于四自由度（4-DOF）机器人手臂，以在移动平台上抓住移动目标[13]。即使是用于定位二维码的视觉制导车辆出现的模糊图像，也可以通过基于最佳迭代次数的模糊图像恢复算法进行处理[14]。机器视觉在智能汽车中的应用主要涉及图像采集、图像处理、目标识别和导航控制[15]。它是移动机器人感知外部环境、获取信息的重要手段之一。

本文以STM32F407ZGT6单片机为控制核心，采用OV7725数码相机采集路径图像信息，通过图像分析计算车辆的运动方向和速度。通过调整车轮的速度，汽车可以根据引导路径正确移动。此外，通过障碍物识别和路径补偿，可以在复杂路径条件下实现智能避障和路径规划。

2 系统的总体结构

智能车的控制核心是STM32F407ZGT6单片机，实现信息处理、运动决策和运动控制。OV7725数码相机用于收集路径信息。保存路径图像后，摄像头将其传输到MCU。MCU对数据进行深度处理和决策，以获得行驶轨迹的偏移量。在PWM模块的作用下，控制信号被传输到BTS7960电机驱动模块，以调整四个电机的速度和转向。当车辆的超声波、红外等传感器检测到障碍物时，避障模块用于获取环境信息，直到车辆避开障碍物并返回正常的轨迹引导线，从而在跟踪过程中完成避障。运动平台采用麦克纳姆轮，具有良好的机动性和灵活性，可实现前进、平移、斜线和旋转等四轮驱动，提高了汽车的避障功能。硬件平台的总体框架如图1所示。

图1 硬件平台的总体框架

3硬件设计

3.1核心控制模块

单片机系统是智能汽车的核心控制模块，也是最关键的模块。因此，单片机系统的性能直接决定了整个平台的性能稳定性。STM32F407ZGT6 MCU系统拥有先进的Cortex-M4 CPU和高达1M的闪存和196K的嵌入式SRAM。它有丰富的I/O接口和寄存器。210DMIP的处理能力和168MHz的处理速度，以及丰富的外围设备，保证了系统更好的可靠性。由于其性价比高、功能强大、使用方便，本系统选用STM32F407ZGT6单片机作为核心控制器，对图像信息进行有效处理，并根据图像分析结果判断可行路径，确定运动轨迹和轨迹等参数，转向和速度。输出PWM波来控制智能车的运动，确保智能车能够按照轨迹稳定工作。 STM32有很多接线端口，一些I/O端口可以重复使用。STM32端口的合理配置是自动避障控制系统的重要组成部分。STM32的分配状态如表1所示 。

3.2 图像采集模块

图像采集是基于视觉的智能车辆获取路径信息的主要功能模块之一。为了降低硬件系统的复杂度，增强模块电路的独立性，提高系统的稳定性和性价比，本系统选用OV7725数码相机。该相机集成了传感器、有源晶体振荡器和FIFO，具有高图像质量、标准SCCB接口和IIC接口。输出格式丰富，功耗低，支持自动曝光和图像缩放，能够满足本系统的图像采集要求。OV7725采集图像后，将图像存储在FIFO模块中，然后由单片机读取FIFO图像数据。

3.3电机和驱动模块

电机模块是非常重要的执行器。本文选用ZGB37-520B型霍尔传感器直流电机，额定电压12V，额定转速可达1000rpm。当霍尔传感器的电源接通时，霍尔传感器输出A相和B相脉冲，两相被一个半周期脉冲隔开，可用于检测正反转。对于ZGB37-520B电机的霍尔传感器，电机每转输出12个脉冲。通过捕捉脉冲来计算脉冲频率，从而了解智能车的转速，然后进行反馈。

根据电机参数选择大功率驱动芯片BTS7960作为电机驱动模块。该模块具有过热和过流保护功能，并具有强大的驱动和制动效果。电机和驱动模块的电路图如图2所示。

图2 电机和驱动器的电路图

3.4障碍物检测模块

障碍物检测模块包含多个超声波传感器HC-SR04和红外传感器，可以有效地测量障碍物的位置信息，并将信号传输给MCU，以计算下一辆车的移动方向和速度。其中，超声波测距模块的电路图如图3所示。

图3 超声波传感器的电路图

3.5核心控制模块

电源模块主要为单片机系统、OV7725摄像头、BTS7960电机驱动等模块提供稳定的电压。对于电动机来说，电源电压与转速有一定的关系。因此，在设置电源模块时，应综合考虑电压和电流，要求其高效转换，提高电源的抗干扰能力。因此，使用11.4 V 2200毫安时的固定翼5300 RC电池和5 V可充电电池构成电源模块。图4显示了施加到每个模块的电压。可充电电池的输出电压为5 V，可通过特定设备降低至3.3 V，而电机由5300 RC电池直接供电。

图4 电源分配

3.6液晶显示模块

在测试中，可以通过LCD显示屏实时观察摄像头中的信息。LCD模块为TFTLCD，显示驱动程序为LIL9341，LCD与摄像头之间的数据传输格式为RGB565，显示分辨率为240*320，与QVGA图像的分辨率相匹配。

3.7麦克纳姆轮

由于麦克纳姆轮具有极高的可操作性和灵活性，因此该平台使用了特殊的麦克纳姆轮。根据车轮结构，可以控制四个机械轮的速度和方向，如前后移动、左右移动和旋转，实现四轮驱动，如向前、水平、倾斜和旋转，从而提高汽车的避障性能。由于智能汽车有四个麦克纳姆轮，它应该使用八个PWM波输出来完全控制四个麦克纳姆轮的速度和方向。当四个车轮在不同方向上的速度相同时，汽车可以在不同方向上实现位移（见图5）。四个麦克纳姆轮采用O形矩形安装（见图6）。

图5 麦克纳姆轮的方向

图6麦克纳姆轮的O形矩形安装

图7 智能汽车的总体设计

最后，车身硬件的具体布局如图7所示。摄像头安装在汽车前部，倾斜角度保持在30度◦ 配合地面，确保路面信息的高质量。电机驱动模块分别安装在汽车底盘的四个角落。由于是铝合金底盘，散热器可直接向下固定，对称安装。电源模块安装在汽车底部的中部。MCU模块位于电源模块上方，由四根尼龙柱抬起，为电源预留一定的安装空间，方便充电。超声波模块放置在汽车前部的中部，不能遮挡摄像机的视野。红外模块安装在机箱的四个角落，帮助左右平移以避开障碍物。

4 软件设计和可视化分析

高效稳定的软件系统是智能汽车稳定运行的核心。系统通过摄像头模块获取路径信息，编码器实时检测智能车的速度。经过单片机的分析计算，输出相应的PWM波来控制车轮的速度，并调整汽车的行驶方向，使汽车能够正确跟踪。此外，当路径不完整或通过交叉口时，可以做出正确的决策。当遇到未知的静态障碍物时，可以避开这些障碍物。

因此，系统软件设计主要包括车轮速度反馈控制、摄像头采集的路径图像信息、路径中心线提取、避障和有效的路径确定算法。系统主程序流程图如图8所示。

图8 主要流程图

4.1麦克纳姆轮速度反馈控制

在该系统中，避障和跟踪都要求车辆具有较高的速度精度。特别是考虑到该平台中使用的麦克纳姆轮的特殊结构，速度的精度比普通车轮更精确，因此车辆的速度控制尤为重要。

麦卡努姆轮的圆周上有几个滚轮。轮子的轴线成45度角◦ 到滚筒的轴上。滚轮相互独立，可以自由旋转。图9显示了运动过程中通过O形矩形安装的四个麦克纳姆轮的受力分析。

运动学理论用于分析单个麦克纳姆轮（见图10）。R代表车轮的半径；Vix是第i个车轮沿X轴的速度（m/s）；Viy是第i个车轮沿Y轴的速度（m/s）；Vg是滚筒的速度（m/s），即全向拨禾轮轴的转速（rad/s）。i=1,2,3,4分别代表左前轮、右前轮、左后轮和右后轮[16]。

根据运动学分析，车轮的速度为

图9 一组4个机械轮的受力分析

图10 单麦克纳姆轮的受力分析

a=45° 当i=1.4而a=-45°时 当i=2.3[16]时。代入等式（1），我们得到

在方程式（2）中，a=45°, l0=W l cosalpha;，W代表智能车的宽度，l代表前后轮之间的轴距[16]。其逆运动学方程为

其中，K是逆运动学雅可比矩阵，秩（K）=3 。

通过PWM波控制汽车速度主要有两个部分，第一，设置PWM的占空比以改变速度，第二，捕获霍尔编码器产生的信号以进行反馈控制。PID控制是工程应用最广泛的调节器控制律，具有结构简单、运行可靠、调节方便等优点。PID公式写成方程式（4）。

该PID控制算法基于当前状态值与预设值的偏差进行计算。结果输出与过去的状态有关，因为使用了错误累积。当输出u（k）误差发生时，会影响执行器的位置变化。

因此，本文采用PID增量控制算法（见等式（5））。

该算法基于最新的误差增量，而不是实际位置偏差的偏差，即不需要增加增量PID。控制增量u（k）的确定仅与最后三个样本值相关。通过加权很容易获得更好的控制效果。当系统出现故障时，增量系统不会严重影响系统的工作。

4.2路径图像信息与路径中心线提取

在图像采集过程中，由于摄像头的FIFO内存为380KB，我们选择了QVGA（320*240）的分辨率，可以很好地掌握细节，便于单片机处理。主要有三个步骤。

首先，图像由摄像头采集并存储在FIFO中。FIFO中的帧图像由单片机读出，经过灰度化和二值化后显示在LCD屏幕上。

然后，通过判断黑点的位置，处理显示屏幕中部的像素，以确定轨道的左右两侧的位置A和B。因此，获得轨迹（A B）/2的中心。为了做出更准确的判断，系统还收集并辅助左右两侧的黑色像素，以辅助判断轨迹状况。

在第三步中，通过从屏幕中心160的坐标减去轨迹中心的坐标（A B）/2，然后通过屏幕中心周围的黑色像素数确定道路状况，来获得偏差。

因为人眼对图像的敏感度不同，所以绿色最敏感，蓝色最不敏感。因此，使用加权平均法生成更合理的灰度图像，即将RGB的三个分量乘以不同的权重。加权平均灰色处理用等式（6）表示。

其中，R（i，j）、G（i，j）、B（i，j）是坐标点（i，j）处的红色、绿色和蓝色分量，f（i，j）是灰度值，范围从0到255。

图像二值化是通过在灰度图像上选择合适的阈值来获得图像的整体和局部特征的过程。它使图像变得简单，并突出显示目标的轮廓，这是为了显示整个图像具有明显的黑白效果。将输出的二值图像数据设为g（i，j），其中，threshold是图像阈值，它是通过使用快速大津自适应阈值算法选择的[17–18]。如果选择好阈值，可以很好地分割图像的背景和前景，二值化效果明显。

图11 赛道上的障碍物、失去赛道和十字路口

4.3避障与有效路径确定

除了直线前进和转弯等基本跟踪功能外，该车还可以在复杂道路条件下实现自动避障和有效路径确定，如轨道上的障碍物、失去轨道和十字路口（见图11）。超声波模块放置在汽车前部的中间，标记为红场。红外模块安装在汽车底盘的四个角落，标记为4个蓝色正方形（i=1,2,3,4分别代表左前、右前、左后和右后的红外传感器）。

4.3.1避障

该系统主要通过红外传感器和超声波传感器检测障碍物。当轨道上有障碍物时，汽车向左移动，直到汽车右前端的红外传感器检测到安全距离内没有障碍物，然后汽车向前移动，直到汽车右后端的红外传感器检测到安全距离内没有障碍物，汽车停止，然后向右移动，配合摄像机图像处理，直到回到原始轨迹。这样就完成了避障。避障子程序流程图如图12所示。

图12 避障子程序流程图

4.3.2部分轨道损耗

当轨道丢失时，智能车将继续前进一段时间，以捕获下一帧轨道图像进行处理。将比较两个轨道图像。一开始，我们相信赛道会在短距离内消失，并会在短时间内继续消失。当时间太长时，我们会考虑轨道完全失去，汽车停止。避障子程序流程图如图13所示。

4.3.3十字路口

由于相机镜头是球形的，所以相交处的图像像素不是一条水平的直线黑线，而是一定程度的倾斜。通过对串口数据的研究，发现捕捉到的像素是规则的，从左像素增加到全像素，并逐渐减少，而右像素则相反，从减少到增加。因此，本文首先捕获左侧的多像素点，然

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[604174]，资料为PDF文档或Word文档，PDF文档可免费转换为Word