当前位置:首页 > 工业控制 > 工业控制
[导读]要实现一个完整的基于摄像头的智能小车,第一步要做的就是将摄像头输出的模拟信号通过单片机A/D转换采集到单片机中,然后对采集到的原始的图像数据进行处理,以获取赛道中央的黑线在图像坐标系中的位置。

要实现一个完整的基于摄像头的智能小车,第一步要做的就是将摄像头输出的模拟信号通过单片机A/D转换采集到单片机中,然后对采集到的原始的图像数据进行处理,以获取赛道中央的黑线在图像坐标系中的位置。

接着,就要利用处理得到的图象信息对智能小车进行控制。就目前而言,各参赛队用的最多的横向控制(转向控制)就是PID控制。采用PID控制方式,无需对摄像头作严格的标定,因为只须将黑线在图像坐标系中的位置偏差乘相应的PID系数,就可以作为转向的控制律,至于PID系数取多少,则可以通过简单的实验调试而获得合适的取值。正因为这样,PID控制方式简单易行。

而PID控制方式却有其局限性,其最大的局限性就是无法很好控制智能小车的行驶线路(简称“走线”)。PID参数的变化会引起小车走线的变化,即使 PID参数相同的情况下,小车速度的或高或低同样会引起小车走线的变化。这样,因为小车走线的不确定性,为了比赛时小车不冲出赛道,只有尽量控制小车完全沿线行驶,这样才能使小车无论在左侧还是右侧都有较充足的赛道裕量。但另一方面,完全沿着赛道中央黑线的走线也许并不是最优的走线,比如,在一些特殊路段抄近道,可能会使走线更优,从而提高比赛成绩。往下所要介绍的预测控制策略,就是为了达到使小车走线尽可能最优的目的。

基本思路

预测控制的基本思想是:在每一控制周期内,通过摄像头获取车前方一定区域内黑线的位置信息——与PID控制方式不同的是,预测控制多了摄像头标定这一步,即将黑线在图像坐标系下的位置转换成世界坐标系下的位置——然后规划出一条较优化的走线,成为期望走线。然后根据小车的运动学模型和转向模型可以确定(一种最优化问题求解的过程),在往下若干个控制周期内,转角控制量依次取多少时,小车走线才能最“接近”规划出的期望走线。仅仅选取求解出的当前控制周期的转角控制量作为实际的转角控制量。在下一周期,将重新进行一次上述的规划、最优化求解过程,如此反复循环执行下去。具体介绍如下文所示。

摄像头标定

因为要进行走线规划,就得获取黑线的实际位置信息。通过摄像头所获得的只是黑线在图像坐标系下的位置。因此,首先得求出图像坐标系到世界坐标系的变换关系,这个变换关系是一个仿射变换关系,可以事先写出这个变换关系的形式,然后再取一些标定样点,通过计算标定出这个变换关系形式中的各个参数。摄像头标定因为不作为本文重点,受篇幅所限,具体细节不在此赘述。

走线规划

在赛车比赛中,走线选取的好坏可以作为评价车手水平高低的一个标准。在智能小车比赛中,走线选取的好坏同样显得很重要。针对不同类型的赛道甚至赛道组合,走线的选取,既要考虑到走线路程的长短,还要考虑到相应的速度限制,因此,如何走线是一个值得研究的问题。在各种走线规划的策略中,一种最朴素而且效果也较明显的想法就是“抄近道”。所谓抄近道就是在小车不冲出赛道的前提下,使小车在赛道上沿尽可能短的路线前进。最典型的两种抄近道的表现方式如图1所示,即蛇形道(a)和单向弯(b)上的抄近道。

图1 智能车抄近道的两种方式

运动学模型和转向模型

运动学模型是描述智能小车位置、航向角、前轮转角之间动态变化关系的模型。转向模型是描述前轮转角自身变化时的动态关系的模型。运动学模型和转向模型可以描述成如下状态方程的形式:

其中,x、y表示智能小车的位置,ψ表示航向角,δ表示前轮转角,c=v/L(L为轴间距wheelbase),a=-1/T0(T0为转向舵机的响应时间常数)。

最优转角控制量求解

为描述方便,假设当前控制周期为kT周期,并假设kT、(k+1)T、……、(k+m)T周期的转角控制控制量依次为u(k)、u(k+ 1)、……、u(k+m),并假设(k+m)T周期以后的转角控制量为零(即车前轮正对着前方)。根据运动学模型和转向模型,可以推得智能小车在任一时刻的位置。设推算出的kT、(k+1)T、……、(k+P)T周期(通常取P>m)(即在未来(P+1)周期内)的智能小车的位置,依次为(x (k),y(k))、(x(k+1),y(k+1))、……、(x(k+P),y(k+P))。前面在走线规划时已经确定出了期望线路的位置,这样就可以求出未来(P+1)周期内每一周期智能小车与期望线路的位置偏差,记为d(k)、d(k+1)、……、d(k+P)。取一个正定的性能指标:

J反应的是智能小车实际走线(根据模型预测的)和期望走线间的相近程度。J越小,则实际走线与期望走线也越接近。可以看出,每一组u(k)、u(k +1)、……、u(k+m)的取值将对应一个特定的J的取值。通过一些数值的最优化求取方法,可以确定出一组u(k)、u(k+1)、……、u(k+m) 的取值u0(k)、u0(k+1)、……、u0(k+m),使性能指标J取得最小值。那么,以u0(k)作为kT周期的实际转交控制量,而u0(k+ 1)、……、u0(k+m)将摒弃。在(k+1)T周期,将重复走线规划和上述最优量求取得过程,然后仅仅以所求得的(k+1)T周期的转角控制量作为该周期的实际转角控制量。反复循环执行前述过程。

结语

采用预测控制的策略,能更有效地利用摄像头所获取的丰富的赛道信息,能够较准确地控制小车的走线,使小车在一些特征路段能按较优的线路前进,节省用时,提高比赛成绩。限于单片机的计算能力有限,在具体实施预测控制策略时,可以作一些简化处理,如将未来(m+1)个周期内的转角控制量假设成相同的取值,即u(k)=u(k+1)=……=u(k+m),这样能大大降低计算量,却依然能有不错的表现效果。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

9月2日消息,不造车的华为或将催生出更大的独角兽公司,随着阿维塔和赛力斯的入局,华为引望愈发显得引人瞩目。

关键字: 阿维塔 塞力斯 华为

加利福尼亚州圣克拉拉县2024年8月30日 /美通社/ -- 数字化转型技术解决方案公司Trianz今天宣布,该公司与Amazon Web Services (AWS)签订了...

关键字: AWS AN BSP 数字化

伦敦2024年8月29日 /美通社/ -- 英国汽车技术公司SODA.Auto推出其旗舰产品SODA V,这是全球首款涵盖汽车工程师从创意到认证的所有需求的工具,可用于创建软件定义汽车。 SODA V工具的开发耗时1.5...

关键字: 汽车 人工智能 智能驱动 BSP

北京2024年8月28日 /美通社/ -- 越来越多用户希望企业业务能7×24不间断运行,同时企业却面临越来越多业务中断的风险,如企业系统复杂性的增加,频繁的功能更新和发布等。如何确保业务连续性,提升韧性,成...

关键字: 亚马逊 解密 控制平面 BSP

8月30日消息,据媒体报道,腾讯和网易近期正在缩减他们对日本游戏市场的投资。

关键字: 腾讯 编码器 CPU

8月28日消息,今天上午,2024中国国际大数据产业博览会开幕式在贵阳举行,华为董事、质量流程IT总裁陶景文发表了演讲。

关键字: 华为 12nm EDA 半导体

8月28日消息,在2024中国国际大数据产业博览会上,华为常务董事、华为云CEO张平安发表演讲称,数字世界的话语权最终是由生态的繁荣决定的。

关键字: 华为 12nm 手机 卫星通信

要点: 有效应对环境变化,经营业绩稳中有升 落实提质增效举措,毛利润率延续升势 战略布局成效显著,战新业务引领增长 以科技创新为引领,提升企业核心竞争力 坚持高质量发展策略,塑强核心竞争优势...

关键字: 通信 BSP 电信运营商 数字经济

北京2024年8月27日 /美通社/ -- 8月21日,由中央广播电视总台与中国电影电视技术学会联合牵头组建的NVI技术创新联盟在BIRTV2024超高清全产业链发展研讨会上宣布正式成立。 活动现场 NVI技术创新联...

关键字: VI 传输协议 音频 BSP

北京2024年8月27日 /美通社/ -- 在8月23日举办的2024年长三角生态绿色一体化发展示范区联合招商会上,软通动力信息技术(集团)股份有限公司(以下简称"软通动力")与长三角投资(上海)有限...

关键字: BSP 信息技术
关闭
关闭