一、比赛简介
目前 ,在企业生产技术不断提高、对自动化技术要求不断加深的环境下,智能车辆以及在智能车辆基础上开发出来的产品已成为自动化物流运输、柔性生产组织等系统的关键设备。智能车是一个集环境感知、规划决策,自动行驶等功能于一体的综合系统。它集中地运用了计算机、传感、信息、通信、导航及自动控制等技术,是典型的高新技术综合体。它具有道路障碍自动识别、自动报警、自动制动、自动保持安全距离、车速和巡航控制等功能,结合图像识别和大数据等知识来实现一些特定功能,是现代人工智能发展中很重要的组成部分。
全国大学生智能车竞赛是从 2006 开始,由教育部高等教育司委托高等学校自动化类教学指导委员会举办的旨在加强学生实践、创新能力和培养团队精神的一项创意性科技竞赛,至今已经成功举办了十八届,2024年开展第十九届全国大学生智能汽车竞赛。全国大学生智能汽车竞赛是在竞赛组委会提供的统一汽车模型平台上,使用英飞凌(Infineon)、宏晶公司(STC)、灵动微电子(MindMotion)、沁恒微电子(WCH)、恩智浦(NXP)等公司出品的微控制器作为车模的主要可编程主控制器,通过设计传感器采集电路和电机驱动电路、编写相应算法程序及装配模型车,制作一个能够自主识别道路的模型汽车,按照规定路线行进,并且完成一些特定功能,以完成时间最短者为优胜。
在全国大学生智能汽车竞赛中,以智能汽车为研究背景的科技创意性制作,是一种具有探索性的工程实践活动。该项比赛已列入教育部主办的五大竞赛之一。此项赛事涉及的专业主要有:控制、电子、图像处理及计算机等,能极大地培养学生的动手能力及创新型思维,受到全国各大高校的重视。
其中“视觉组”组别具有更加复杂的机器视觉处理和模型车运动控制任务。
二、电控部分
1.底盘控制-麦克纳姆轮的速度解算
上图为该组别车模
该车模采用麦克纳姆轮,麦克纳姆轮是一种可以全向移动的全向轮,又叫麦轮,由轮毂和围绕轮毂的辊子组成,麦轮辊子轴线和轮毂轴线夹角成45度。在轮毂的轮缘上斜向分布着许多小轮子,即辊子,故轮子可以横向滑移。辊子是一种没有动力的小滚子,小滚子的母线很特殊,当轮子绕着固定的轮心轴转动时,各个小滚子的包络线为圆柱面,所以该轮子能够连续的向前滚动。由四个这种轮加以组合,可以使机构实现全方位移动的功能。麦克纳姆轮根据镜像关系分为A轮和B轮。
麦轮在车上的分布
此外麦克纳姆轮还能实现原地自转、前后轴自转等运动。
最终四个轮子的速度解算如上图所示
2.PID控制
得到每个麦轮的速度后,我们还需要让电机达到目标速度的算法。
PID,就是“比例、积分、微分”,是一种常见的控制算法。在工程实际中,应用最为广泛的调节器控制规律为比例、积分、微分控制,简称PID控制。它以其结构简单、稳定性好、工作可靠、调整方便而成为工业控制的主要技术之一。
PID分为增量式和位置式两类。
使用串级PID将两种类型都应用上,用位置式PID做位置环,增量式PID做速度环,位置环作外环,速度环作内环。
这样才能比较理想的实现麦轮的控制从而实现底盘的全向移动。
3.惯性传感器-IMU
IMU由三个单轴的加速度计和三个单轴的陀螺仪组成,加速度计检测物体在载体坐标系统独立三轴的加速度信号,而陀螺仪检测载体相对于导航坐标系的角速度信号,对这些信号进行处理之后,便可解算出物体的姿态。
一般用四元数法结算姿态角,解算后的yaw pitch roll三个姿态角能够辅助我们控制小车的底盘。
默认初始角度为[0,0,0],对应四元数 [1,0,0,0] ->上一步四元数估计重力向量,将n=[0,0,G] 带入下式, 得到估算重力向量V。
测量的重力向量与估算的重力向量差积求出向量间的误差->将误差PI后补偿到陀螺仪->推出这一次的四元数->单位化->转欧拉角
将四元数转换到姿态矩阵
四元数与欧拉角的转换
视觉部分
智能车竞赛作为一项集创新性、实践性与竞争性于一体的科技赛事,已经成为全球范围内大学生展示其科技实力的重要平台。智能视觉组,作为该竞赛中最具挑战性的部分之一,要求参赛团队不仅要掌握机械设计和电子工程的知识,还需深入理解并应用计算机视觉技术。本文将深入探讨智能视觉组中的视觉技术,包括边缘提取算法、目标检测和图像识别等关键技术。
(一)、智能视觉组的技术挑战
智能视觉组的比赛要求参赛的智能车能够通过视觉传感器自主识别赛道环境,完成路径规划、障碍避让、目标识别等多项复杂任务。这些任务的完成质量直接关系到智能车的性能和比赛成绩。
(二)、边缘提取算法的原理与应用
边缘提取是计算机视觉中的一个核心问题,它涉及到从图像中识别出亮度变化显著的区域,这些区域往往是物体的边界或轮廓。
1. 边缘提取算法的分类
边缘提取算法主要分为一阶导数算子和二阶导数算子两大类。
一阶导数算子:如Roberts、Sobel和Prewitt算子,通过计算图像灰度的一阶导数来寻找亮度变化的位置。
二阶导数算子:如Laplacian算子,通过计算图像灰度的二阶导数来确定边缘位置。
2. Canny边缘检测器
Canny算子是一种综合考虑噪声抵抗能力和边缘定位准确性的算法,它包括以下步骤:
*高斯平滑:去除图像噪声,为边缘检测做准备。
*梯度计算:使用Sobel算子计算图像的梯度。
*非极大值抑制:在梯度方向上进行处理,保留边缘的局部最大值。
*双阈值检测:通过设置高低阈值,连接边缘片段,形成完整的边缘。
(三)、目标检测与图像识别的技术要点
目标检测和图像识别是智能视觉组中智能车实现自主导航的关键技术。
1. 目标检测
目标检测通常涉及以下步骤:
*候选区域生成:在图像中生成可能包含目标的候选区域。
*特征提取:从候选区域中提取有助于目标识别的特征。
*分类器设计:使用机器学习方法对候选区域进行分类,确定是否包含目标。
2. 图像识别
图像识别技术使智能车能够识别图像中的具体物体,如数字、字母、特定图案等。这通常涉及到:
*特征匹配:将提取的图像特征与已知数据库进行匹配。
*深度学习:利用卷积神经网络(CNN)等深度学习模型进行图像分类。
3. 深度学习在视觉组的应用
深度学习技术,尤其是卷积神经网络(CNN),在图像识别和目标检测中展现出强大的性能。通过大量标注数据的训练,CNN能够学习到图像中复杂的特征表示,显著提高智能车对赛道环境的理解能力。
(四)、智能视觉技术的未来发展
随着技术的不断进步,未来的智能车将更加智能化。计算机视觉技术,尤其是深度学习,将继续推动智能车在感知、决策和执行能力上的提升。智能车竞赛不仅是技术的较量,更是创新思维和团队协作能力的体现。
四、结语
智能视觉组的比赛是一次对参赛者科技综合能力的全面考验。通过深入理解和应用边缘提取算法、目标检测和图像识别等计算机视觉技术,参赛团队能够设计出性能卓越的智能车,为未来智能交通系统的发展贡献力量。随着人工智能技术的不断进步,智能车竞赛将更加精彩,智能视觉技术也将在更多领域得到应用。
参考文献
[1]王瑞敏,张成涛.基于视觉传感器的智能小车设计与实践
[2]洪一民,钱庆丰,章志飞.基于 STM32 的智能小车循迹避障 测距的设计 [J]. 物联网技术,2022,12(01):12-13+17.