智能车竞赛技术报告 | 智能视觉组 - 大连海事大学 - 菜鸡啄米

Posted 2021-09-18 卓晴

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了智能车竞赛技术报告 | 智能视觉组 - 大连海事大学 - 菜鸡啄米相关的知识，希望对你有一定的参考价值。

简介：本文以十六届恩智浦杯全国大学生智能车竞赛为背景，设计的智能车系统以恩智浦i.MX RT1064微处理器为核心控制单元。通过四个电感检测赛道信息，计算出赛道轨迹。通过1024线带方向的编码器获得车辆速度，使用 PID 控制算法调节驱动四个电机的转速，实现了对车运动速度和运动方向的闭环控制。使用Open Art Mini摄像头实现智能视觉中的识别。使用TFT屏幕，无线串口，上位记等调试工具进行大量调试。实验结果表明，该系统方案确实可行。

关键词： 智能车，iMX，RT1064，PID，控制算法，图像识别

学校：大连海事大学
队伍名称：蔡鸡啄米
参赛队员：柴昱
罗盟之
张开源
带队教师：纪勋
翟朝霞

第一章引言

第二章系统的总体方案设计

2.1 系统总体方案的设计

根据本届智能车竞赛要求，赛道部分采用恩智浦i.MX RT1064微处理器为作为主控芯片，通过速录电感检测赛道信息，提取赛道中间引导线，控制舵机转向角度，以及进行赛道十字路口、岔路、岛等元素的识别；使用编码器获取电机转速，用PID方式对电机进行闭环控制；识别部分采用基于恩智浦i.MX RT1064微处理器的Open Art Mini摄像头进行April Tag奇偶分类，数字奇偶分类，动物水果分类。两块芯片通过串口通信连接，控制车辆进行相应动作，完成两部分的任务。

2.2机械结构统总体方案的设计

2.21舵机的安装

C车模中，使用舵机控制前轮的左右转向，我们的智能车选用了立式安装，即舵机直立在车模中央，并用四根长螺钉将其固定。确保舵机中轴到左右轮的传动距离相同，保持较高的响应速度，增加系统的稳定性。在舵机支架上，本组安装了一个电压表，实时显示目前电池的电量，在确保智能车在最佳状况运行的同时避免电池亏电影响使用寿命。由于车辆运动速度较快，为防止电压表的正负级电线脱落缠绕影响舵机，对其进行了封胶处理。

▲ 图 2.2 舵机的安装

2.22前轮传动的安装

本组对前轮进行了前轮前束的调整，前轮前束是指前轮前端面与后端面在汽车横向方向的距离差，也可指车身前进方向与前轮平面之间的夹角[1]，适当选择前束角，可使前束引起的侧向力与车轮外倾引起的侧倾推力相互抵消，从而避免了额外的轮胎磨耗和动力的消耗。本组根据自身车辆的重量以及舵机性能调整了前轮前束的角度，使得车辆更加平稳的行驶。

▲ 图 2.3 前轮前束的调整

2.23编码器的安装

编码器用于检测车辆电机运行状态以及车速，对车辆电机的PID闭环控制极为重要。本组选择了精度更高的1024线带方向编码器，为了实现高精度的检测，编码器的安装尤为重要。本组采用轮啮合的传方案，将编码器连接齿轮于电机控制转动轴上的齿轮相连，并使用润滑油，这样在电机转动时，编码器齿轮和传动齿轮之间的运动流畅顺滑，不会出现打滑或卡尺的现象。为速度精确控制提供了前置条件。

▲ 图 2.4 编码器的安装

2.24识别摄像头的安装

由于线上国赛的规则更改，摄像头识别的目标不再是靶子而是屏幕，激光射击的目标从靶子中心转移到了键盘或屏幕下方的A4纸，此时为Open Art Mini摄像头安装云台的必要性下降，且云台含有两个额外舵机会增加车模重量影响性能，本组采用了如下的方案：

（1）拆除云台的两个舵机，减轻车模总体质量，以达到更快的速度，提高赛道任务的成绩。
（2）测量显示屏幕到地面的距离，以固定的角度将摄像头与红外激光固定，确保识别与激光射击的稳定性，提高识别任务的成绩。

▲ 图 2.5 识别摄像头的安装

2.25轮胎的处理

车辆的轮胎方面，为获得更大的抓地力以及支撑性，本组在原厂轮胎的基础上进行了以下的处理。

（1）轮胎软化。将轮胎外表皮均匀泡在轮胎软化液中，经过一段时间，轮胎外表皮变软，此时轮胎与地面的接触面积更大，抓地力更强。
（2）轮胎封胶。由于本组车辆最高时速时电机转速较快，为避免轮胎胶皮与轮毂分离，在其中间挤入塑料胶，确保两者不会分离。

在轮胎经过了处理之后，获得了更好的性能。同时本组的轮胎满足比赛对于轮胎的要求，即轮胎又清晰的花纹以及车模放在A4纸上5秒以上不粘连。

第三章硬件电路的设计与实现

3.1 整体硬件设计

此次智能车比赛是本组第一次参加，由于设计能力有限，未采用将驱动，模板，AD放大电路集成在同一板子上的设计方案，此方案虽然更加的简洁，但是对电路设计要求较高，并且一部分出问题就需要整个重新设计。因此，我们采用了分开设计多块小板的方案。此方案有效的提高了本组电路设计效率，并且模块化的设计带来了许多优势，如更加便捷的处理不同部分，后续升级只用改动单一模块，增加了硬件设计的灵活性。
我们主要设计的电路有，母板，驱动板，电磁运放板。

3.2 电源模块

根据竞赛的规则，本组选用了推荐的XSHY 18650 2000mH 7.4V电池。但是除了电机外，大部分元件需要的电压为5V和3.3V，因此，我们需要设3.3V和5V的稳压电路。由于系统中3.3V电路的功耗较小，我们决定使用线性稳压芯片LDO，本组选择了市场上运用非常成熟的RT9013-33线性稳压芯片，3.3V稳压电路如图3.1所示。

▲ 图3.1 3.3V 电路设计

在设计5V的电路时，考虑到有舵机等器件，对负载的电流要求较高，所以我们没有使用线性稳压，采用了DC-DC变换器，我们使用了SY8205FCC芯片，5V稳压电路如图3.2所示。

▲ 图 3.2 5V电路设计

根据竞赛的规则，我们选用了推荐的XSHY 18650 2000mH 7.4V电池。但是除了电机外，大部分元件需要的电压为5V和3.3V，因此，我们需要设3.3V和5V的稳压电路。由于系统中3.3V电路的功耗较小，我们决定使用线性稳压芯片LDO我们选择了市场上运用非常成熟的RT9013-33线性稳压芯片。

3.3 母板

母板作为智能车上面积最大的板子，主要有微处理器最小系统，电源电路，传感器以及通信接口等，我们在板子上设计了固定孔来固定母版以及连接摄像头支架。

▲ 图 3.3 母版直观图

3.4 驱动板

电机驱动电路方面，我们选择了DRV8701E芯片，相较于传统的驱动，无需升压电路，带电流保护功能，能更好的保护车辆，同时其控制信号也更加简单，只需要两路PWM控制速度，两路IO控制方向。相较于传统的HIP4082N沟道MOSFET驱动，我们使用了TPH1R403NL，其内阻更小，减少驱动的发热量。隔离芯片我们选用了SN74HC125PWR线路缓冲器，单片机信号只能单向输出到驱动，方向的信号被拦截，能在有效保护单片机的同时提高驱动能力。

▲ 图 3.4 驱动原理图

3.4 电磁运算放大板

为了使单片机ADC能读取到电磁信号，需要对其进行放大，放大电路方面，我们使用了德州仪器TI的OPA4377运算放大器。经测试，在距离赛道25cm内移动车辆均可检测到电磁信号的明显变化。通过调节可变电阻固定监测到的电感值变化范围，方便赛道中线以及元素的检测。

▲ 图 3.5 电磁运放直观图

第四章软件算法的设计与实现

4.1智能视觉算法设计

4.1.1 概述

根据《第十六届全国大学生智能汽车竞赛总决赛 AI视觉组线上赛细则》，识别任务可大体分成两大类，边框检测问题和图像分类问题。其中图像分类问题又可分为四个小类：AprilTag奇偶分类，数字奇偶分类，动物水果分类以及对AprilTag，数字，动物水果这三类进行分类的三分类问题[2]。

其中边框检测问题我们使用传统图像处理手段进行处理，而图像分类问题我们则全使用了神经网络进行解决。

4.1.2 边框检测问题

我们使用了find_rect函数[3]来寻找矩形。线上赛使用电脑显示器进行显示，这么做相比于原先线下赛的规则有一个好处，就是不用担心摄像头采集到多余的噪音，比如在赛场上出现的一些方框等。但也有一个弊端–显示器本身也是一个方框，可能会被find_rect()识别进去。因此我们通过调整threshold的值，使其能识别到目标边框。同时，鉴于显示器为长方形，而目标边框是正方形，我们也会通过计算长宽比的方式排除掉一些不合理的数据。

4.1.3 图像分类问题

4.1.3.1 分类方案

图像分类首先需要解决的是三分类问题。三分类问题指的是对于显示器上会出现的AprilTag、数字、动物水果这三种类型进行初次判断并分类。我们首先考虑了通过设置HSV阈值的方式来对其进行分类，但实际效果并不理想。因为摄像头对显示器的背光极其敏感，略微的角度改变都会改变摄像头所识别到的光源位置，从而使图像对应的HSV值发生改变。

所以我们最后采用了先识别AprilTag，再用纯神经网络进行二分类的方案。由于Open Art Mini本身对于AprilTag识别的灵敏度极佳，因此可以先通过内置函数判断是否为AprilTag，再利用神经网络来进行数字、和动物水果的二分类。得益于神经网络本身的鲁棒性，我们在三分类问题上取得了远比HSV方案理想的结果。

数字奇偶和动物水果的分类问题则使用神经网络来处理。其中数字奇偶分类是一个十分类网络，动物水果则是一个二分类网络。

4.1.3.2 神经网络设计

受限于硬件的ram较小，神经网络本身的可操作空间不大，无法使用较为复杂的网络模型，我们统一使用了最为经典的卷积神经网络模型。模型参数如下：

▲ 表4.1 神经网络模型参数表

数字识别问题，可以参照经典的mnist手写数字识别问题[4]，轻松将10个数字进行识别，再分别按照奇偶进行分类。
值得推敲的是在动物水果分类问题中，最后一层全连接层究竟是输出2-class还是10-class。在主流CV分类问题中，应当是将最后的class分得越细越好，即将目标图片在苹果、香蕉、橙子、葡萄、猪、狗、猫、马、牛十种类型中进行分类。相比于仅对动物和水果进行分类，这样做能够使神经网络关注到更多的细节，学习的目标更加明确，避免学到一个"四不像"的情况。但在实际调试过程中，我们发现，受制于硬件，模型的深度不够深，无法很好地把握住图片的细节，同时十分类会将更多的资源放在最后一层全连接层上，浪费资源。

因此在动物水果分类问题上，我们最终采用了动物-水果的二分类方案。虽然二分类模型对于一些界限不太明显的图片识别效果不佳，而十分类器却能够识别，例如容易将白底粉色的猪识别成苹果。但整体上，二分类器的效果优于十分类器。

4.1.3.3 模型训练

模型训练主要处理的是数据集。

对于数字分类问题，我们选择先用mnist集进行预训练，动物水果分类问题则没有预训练，直接进行正式训练。我们先使用官方提供的数据集进行正式训练，并通过旋转、扭曲、亮度调节等方式进行数据增强。最后，用摄像头实际拍到的图像进行微调，以此获得一个准确率较高的结果。

4.2赛道控制算法设计

4.2.1 PID控制原理

PID是闭环控制算法中最简单的一种。PID是比例 (Proportion) 积分 ,(Integral) 微分 ,(Differential coefficient) 的缩写，分别代表了三种控制算法。通过这三个算法的组合可有效地纠正被控制对象的偏差，从而使其达到一个稳定的状态。[5]

成比例地反映控制系统的偏差信号，偏差一旦产生，立即产生控制作用以减小偏差。比例控制器的输出u(t)与输入偏差e(t)成正比，能迅速反映偏差，从而减小偏差，但不能消除静差。静差是指系统控制过程趋于稳定时，给定值与输出量的实测值之差。偏差存在，才能使控制器维持一定的控制量输出，因此比例控制器必然存在着静差。由偏差理论知，增大疋虽然可以减小偏差，但不能彻底消除偏差。比例控制作用的大小除与偏差e(t)有关之外，还取决于比例系数Kp的大小。比例系数Kp越小，控制作用越小，系统响应越慢；反之，比例系数Kp越大，控制作用也越强，则系统响应越快。但是，Kp过大会使系统产生较大的超调和振荡，导致系统的稳定性能变差。因此，不能将Kp选取过大，应根据被控对象的特性来折中选取Kp，使系统的静差控制在允许的范围内，同时又具有较快的响应速度。

积分环节的作用，主要用于消除静差提高系统的无差度。积分作用的强弱，取决于积分时间常数Ti，Ti越大积分作用越弱，反之则越强。积分控制作用的存在与偏差e(t)的存在时间有关，只要系统存在着偏差，积分环节就会不断起作用，对输入偏差进行积分，使控制器的输出及执行器的开度不断变化，产生控制作用以减小偏差。在积分时间足够的情况下，可以完全消除静差，这时积分控制作用将维持不变。Ti越小，积分速度越快，积分作用越强。积分作用太强会使系统超调加大，甚至使系统出现振荡。
微分环节的作用能反映偏差信号的变化趋势（变化速率），并能在偏差信号的值变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减小调节时间。积分控制作用的引入虽然可以消除静差，但是降低了系统的响应速度，特别是对于具有较大惯性的被控对象，用PI控制器很难得到很好的动态调节品质，系统会产生较大的超调和振荡，这时可以引入微分作用。在偏差刚出现或变化的瞬间，不仅根据偏差量作出及时反应（即比例控制作用），还可以根据偏差量的变化趋势（速度）提前给出较大的控制作用（即微分控制作用），将偏差消灭在萌芽状态，这样可以大大减小系统的动态偏差和调节时间，使系统的动态调节品质得以改善。微分环节有助于系统减小超调，克服振荡，加快系统的响应速度，减小调节时间，从而改善了系统的动态性能，但微分时间常数过大，会使系统出现不稳定。微分控制作用一个很大的缺陷是容易引入高频噪声，所以在干扰信号比较严重的流量控制系统中不宜引入微分控制作用。

微分控制作用的阶跃响应特性对于一个恒定的偏差量，不管其数值有多大，微分控制作用均为零。因此，微分作用不能消除静差，单独使用意义不大，一般需要与比例、积分控制作用配合使用，构成PD或PID控制。

对于PID控制，在控制偏差输入为阶跃信号时，立即产生比例和微分控制中作用。由于在偏差输入的瞬时，变化率非常大，微分控制作用很强，此后微分控制作用迅速衰减，但积分作用越来越大，直至最终消除静差。PID控制综合了比例、积分、微分3种作用，既能加快系统响应速度、减小振荡、克服超调，亦能有效消除静差，系统的静态和动态品质得到很大改善，因而PID控制器在工业控制中得到了最为广泛的应用。

4.2.2速度控制实现

为达到在弯道，赛道元素达到快速加减速，以及通过后轮主动差速调整转弯半径的目的，我们通过读取编码器获得车轮实际转速，并与六轴imu采集到的X轴加速度积分进行加权获得估测的车速，并进行PD控制来使得轮速能够快速调整为我们需要的速度。控制周期设定为5ms，通过PIT定时器中断确定控制周期。

▲ 图4.2 控制速度控制周期的PIT中断函数

4.2.3赛道控制实现

在赛道控制部分，我们采用了两横两竖四电感，横向电感在外，对与直道电磁线的距离较为敏感，竖向电感在内，对车体与电子线的相对角度较为敏感。采集到的电感值经过归一化控制在0-255之间，方向通过PID控制，横竖两组电感分别做差并使用两套PID参数，通过电感值判断当前道路，通过一个有限状态机在大弯道，直道，小弯道三种基本赛道模式以及环岛，三叉，十字坡道（由陀螺仪判断）等特殊元素的各个阶段中切换，改变两组电感PID控制器输出的加权，再将加权的值作为舵机的偏移量和后轮的差速，经过限幅后由舵机和电机输出。

参考文献

[1] 李占东, 唐岚, 王贤民, 邵南平, and 李杨. “基于减少轮胎磨损某SUV前轮前束角与外倾角的匹配优化设计.” 成都工业学院学报 21.2 (2018): 1-17. Web.
[2] 《第十六届全国大学生智能汽车竞赛总决赛 AI视觉组线上赛细则》
[3] OpenMV Cam 中文文档
[4] 王晓华. TensorFlow 2.0深度学习应用实践. 第2版 ed. Print.
[5] 黄友锐. PID控制器参数整定与实现. Print.

● 相关图表链接: