軒 亮，楊 軒，葉志雄

（江漢大學(xué) 機電與建筑工程學(xué)院，湖北 武漢 430056）

0 引言

隨著數(shù)字時代的來臨，智能小車行業(yè)得到迅速發(fā)展。20 世紀(jì)70 年代至今，歐洲在進行前車距控制、視覺增強及傳感器的融合研究方面取得了重大進步，而國內(nèi)經(jīng)過幾十年的不斷發(fā)展，在傳感器技術(shù)、機械結(jié)構(gòu)、智能控制等方面有了重大突破［1］。目前，智能高爾夫小車的設(shè)計多以輪式四輪車、單一傳感器為主，但單一傳感器存在固有缺陷，如障礙物探測緩慢、避障成功率較低、識別通過率低，且在一些復(fù)雜的地形有一定的局限性［2］。為了解決上述問題，本文設(shè)計了一種利用攝像頭采集圖像的目標(biāo)識別為主、超聲波傳感器和紅外傳感器位置控制與運動避障為輔、多傳感器協(xié)同工作的具有目標(biāo)識別追蹤和避障一體的智能小車。

1 智能小車的結(jié)構(gòu)及工作原理

1.1 智能小車的結(jié)構(gòu)

智能小車由車體骨架、移動裝置、承載裝置、避震裝置和收集裝置等部分構(gòu)成。車體骨架采用2020A 鋁合金型材連接；移動裝置采用減速電機與充氣全地形輪組成；承載裝置使用了可拆卸式結(jié)構(gòu)安裝在車架上，便于后期搭載不同的工作平臺；避震裝置使用了彈簧減震器來增強跨地形功能，使小車在不同地形下有較好的通過性；收集裝置采用的是卡盤式收集盤，收集效率高，拆裝維護方便。

1.2 智能小車工作原理

智能小車由攝像頭捕捉目標(biāo)，并且將識別到的目標(biāo)信號傳輸給控制單元進而控制小車運動，使小車能夠時刻鎖定目標(biāo)并且收集目標(biāo)物，在追蹤目標(biāo)的同時，優(yōu)先執(zhí)行避障單元的子程序。在已經(jīng)識別到目標(biāo)并且確定目標(biāo)位置的前提下，經(jīng)過路徑規(guī)劃到達目標(biāo)位置，并通過搭載在車架上的盤形滾動收集裝置駛過目標(biāo)位置，從而將目標(biāo)自動收集。當(dāng)環(huán)境監(jiān)測單元監(jiān)測到實際光強低于設(shè)定值時，開啟LED 燈進行補光，用來輔助識別。為了使小車持續(xù)有效工作，需要在電源管理單元實施電壓預(yù)警以防小車因能量耗盡而丟失。

2 智能小車的目標(biāo)識別與智能收集系統(tǒng)

智能小車的目標(biāo)識別與智能收集系統(tǒng)組成如圖1 所示，由圖像識別單元、避障單元、控制單元、驅(qū)動單元、電池管理單元和環(huán)境監(jiān)測單元組成［3］。

2.1 圖像識別單元

2.1.1 硬件設(shè)計 圖像識別單元由攝像頭模塊和微處理器組成，攝像頭模塊采用OV7620，它的工作電壓支持3.3 和5 V，每秒可以產(chǎn)生60 幀圖像，能夠很好地滿足智能小車對圖像采集的要求［4］。

攝像頭布置在車體上部分正前方識別范圍能夠達到最大化，擺放位置如圖2 所示。

攝像頭的探測長度L和寬度B為

式中，h表示攝像頭的擺放高度，θ表示攝像頭與Z軸的夾角，2α表示攝像頭的視野角度。

由于α是定量，且探測寬度至少應(yīng)大于車體寬度b，所以θ的取值為 arctan[b/(2hsinα)]～ 90°。

圖1 系統(tǒng)的組成結(jié)構(gòu)示意圖Fig.1 Composition and structure diagram of the system

圖2 攝像頭擺放位置示意圖Fig.2 Position and placement map of camera

2.1.2 軟件設(shè)計 本系統(tǒng)識別針對的是直徑為43 mm 的白色小球，所以需要做到顏色和形狀同時識別，識別流程如圖3 所示。當(dāng)攝像頭采集到圖像時，將攝像頭所拍攝的圖像進行二值化處理，二值化處理后整體的像素會呈現(xiàn)黑白兩種狀態(tài)，如圖4 所示。通過對比LAB 閾值的調(diào)整，將被識別的目標(biāo)圖像轉(zhuǎn)換為白色，非目標(biāo)圖像轉(zhuǎn)換為黑色，這樣能夠大大提高對目標(biāo)物體的識別效率［5］。

根據(jù)二值化處理后的圖片進行形狀的識別。通過霍夫圓檢測是否為圓形，如果是圓形，則檢測到了目標(biāo)物體；如果不是圓形，則是同色的非目標(biāo)物體。這樣先經(jīng)過顏色的篩選后，再進行形狀的判斷，比形狀顏色同時識別需要處理的數(shù)據(jù)少，處理速度更快，檢測的準(zhǔn)確性也大大提高。

圖3 目標(biāo)識別流程與圖像處理流程圖Fig.3 Target identification flow chart and image processing flow chart

圖4 二值化示意圖Fig.4 Sketch map of image binarization

目標(biāo)位置識別算法：當(dāng)檢測到目標(biāo)物體時，通過二值化處理圖像，將檢測到的圓形通過運算得到其圓心坐標(biāo)，并將圓心XC坐標(biāo)與圖像中心XO坐標(biāo)做減法運算，得到目標(biāo)物體與屏幕正中心的差值XS并且將XS傳遞給控制模塊，控制模塊根據(jù)XS值來控制小車旋轉(zhuǎn)角度，使得目標(biāo)物體能夠在視野的正中心，增加識別效率。

追蹤部分腳本如下：

2.2 避障單元

2.2.1 硬件設(shè)計 避障單元采用夏普GP2YOA02YKOF 模塊紅外傳感器和HC-HR04 超聲波傳感器。由于紅外傳感器反應(yīng)迅速，但易受環(huán)境影響；超聲波傳感器方向性好，但功率小、工作溫度低［6］。本系統(tǒng)采用多傳感器融合共同避障的方法，將超聲波模塊安放在小車的正前方，紅外傳感器1、2、3、4 分別布置在小車左前、左后和右前、右后方的位置上（見圖5）。該方法能夠避免使用單一傳感器存在的避障效率低、準(zhǔn)確度差的問題，能夠保障系統(tǒng)運行的安全［7］。多傳感器采集到的信號發(fā)送給STM32 微處理器，微處理器通過不同的信號組合來作出決策，發(fā)出信號波給電機驅(qū)動板，小車根據(jù)不同的信號組合采用不同的避障策略。

圖5 傳感器的布置Fig.5 Position distribution of sensors

2.2.2 避障策略 （1）正面障礙

小車前進時，如果超聲波傳感器1 和2 都檢測到障礙物與小車的距離低于設(shè)定值，且紅外傳感器1、2、3、4 都未檢測到障礙物信號，證明此時是前方遇到障礙物。

前方遇到障礙物，正面避障示意圖如圖6 所示，小車停車，原地進行轉(zhuǎn)向，經(jīng)過超聲波傳感器測距比對。如果是超聲波傳感器1 距離障礙物比較近，則設(shè)定為向右轉(zhuǎn)90°；反之，則向左旋轉(zhuǎn)90°。此時紅外傳感器能夠檢測到信號，從正面避障轉(zhuǎn)變?yōu)閭?cè)面避障。

（2）側(cè)面障礙

如果沒有一個超聲波傳感器檢測到障礙物信號，則證明前方無障礙。若是紅外傳感器1 和2檢測到障礙，比較紅外傳感器1 和2 測定的距離，當(dāng)紅外傳感器1 測定的距離小于2 時，則證明繼續(xù)前行有左側(cè)碰撞危險，是側(cè)面障礙。

側(cè)面避障示意圖如圖7 所示，此時小車降低車速，啟動差速向右轉(zhuǎn)彎控制，直到紅外傳感器1和2 測定距離大于安全值，繼續(xù)直行。

圖6 正面避障示意圖Fig.6 Diagram of forward obstacle avoidance

圖7 側(cè)面避障示意圖Fig.7 Diagram of side-to-side obstacle avoidance

（3）U 型避障

當(dāng)超聲波傳感器1 和2，紅外傳感器1、2、3、4 都檢測到障礙物信號時候，則小車遇到U 形障礙物。

U 型避障示意圖如圖8 所示，此時不宜使用原地轉(zhuǎn)向的避障策略，容易造成程序的死循環(huán)，小車應(yīng)該向后退，并且在后退的過程中邊退邊向某一方向進行差速轉(zhuǎn)向，差速轉(zhuǎn)向的方向判斷通過紅外傳感器2 和4 測得的距離比對進行。若紅外傳感器2 測得的距離大于4 的距離，則證明車輛方向處于右偏狀態(tài)，需要向左差速后退，實現(xiàn)轉(zhuǎn)彎后退。直到4 個紅外傳感器都檢測不到障礙物信號時，U 型障礙物避障結(jié)束。

圖8 U 形避障示意圖Fig.8 Diagram of U-shaped obstacle avoidance

2.3 驅(qū)動單元

驅(qū)動單元是由電機和電機驅(qū)動板組成。由于小車跨地形收集小球，需要電機提供大轉(zhuǎn)矩以保證小車準(zhǔn)確而又穩(wěn)定的收集，故選用直流減速電機，電機的布置如圖9 所示。

圖9 電機的分組布置Fig.9 Grouping arrangement of motors

直流電機驅(qū)動模塊采用L298N 作為電機驅(qū)動芯片。L298N 芯片可以驅(qū)動兩個二相電機，輸出電壓最高可達50 V，可以直接通過電源調(diào)節(jié)輸出電壓，結(jié)合單片機實現(xiàn)對小車速度的控制。相比兩驅(qū)小車，四輪驅(qū)動對不同地形的適應(yīng)能力更強，系統(tǒng)的穩(wěn)定性更好。在不改變四驅(qū)的情況下，使控制盡可能簡化，采用控制二驅(qū)的方法來實現(xiàn)四驅(qū)。這樣既能夠簡化控制，也增加了小車在復(fù)雜地形的通過能力。左前左后輪為一組，右前右后輪為一組進行驅(qū)動。

2.4 控制單元

2.4.1 硬件設(shè)計 由于多傳感器和圖像識別的應(yīng)用需要處理的數(shù)據(jù)多而復(fù)雜，故選用STM32 單片機。STM32 有144 個引腳，處理速度快而精準(zhǔn)，可以接收不同傳感器的信號來執(zhí)行指令，從而控制智能小車來實現(xiàn)不同的動作［8］。

2.4.2 控制策略 控制系統(tǒng)的整體工作流程如圖10 所示。

圖10 控制系統(tǒng)的工作流程Fig.10 Workflow of the system

2.4.3 小車的運動控制 根據(jù)系統(tǒng)的識別和避障要求，需要小車做出以下動作：前進、后退、原地左轉(zhuǎn)彎、原地右轉(zhuǎn)彎、前進左轉(zhuǎn)、前進右轉(zhuǎn)、后退左轉(zhuǎn)、后退右轉(zhuǎn)。列出以下幾種具有代表性的運動控制［9］。

1）直行控制：處理器控制電機驅(qū)動板，給出相同的驅(qū)動信號，使小車左右組輪子的轉(zhuǎn)速相同，兩組輪轉(zhuǎn)動方向向前為前進控制；后退控制時，給出左右兩組參數(shù)一致與前進信號相反的驅(qū)動信號，使兩組輪反轉(zhuǎn)，小車向后直線運動。

2）前進左轉(zhuǎn)：當(dāng)小車需要執(zhí)行前進左轉(zhuǎn)動作時，處理器接收到傳感器信號判斷后，給出兩組不同的驅(qū)動信號，使小車左右兩組輪子轉(zhuǎn)速不同，左組輪速相比右組輪速慢，兩組輪轉(zhuǎn)動方向向前。

3）原地左轉(zhuǎn)：當(dāng)小車需要執(zhí)行原地左轉(zhuǎn)動作時，處理器接收到傳感器信號判斷后，給出兩組不同的驅(qū)動信號，使小車左右兩組輪子轉(zhuǎn)速相同，方向相反，左組輪子向后，右組輪子向前。

2.4.4 小車的路徑規(guī)劃 由于高爾夫球場所處環(huán)境開闊，少障礙物，并且障礙物的位置相對固定，不是實時變動的，路徑規(guī)劃應(yīng)以收集效率為重點，跨地形的車體結(jié)構(gòu)使得小車能夠便于采用遍歷法來進行搜索，在小車的路徑規(guī)劃采用了基于邏輯推理的路徑規(guī)劃方法，通過小車的已有避障策略來進行路徑規(guī)劃。小車的路徑規(guī)劃示意圖如圖11 所示。

路徑規(guī)劃的描述：基于遍歷法來進行球場上目標(biāo)的搜索和收集，并且在搜索的過程中通過小車多傳感器狀態(tài)和相應(yīng)采取的避障策略來進行實時的避障，其優(yōu)點是對路徑規(guī)劃的計算量小、反應(yīng)迅速，能夠?qū)崟r根據(jù)環(huán)境來調(diào)整新的路徑。

圖11 小車路徑規(guī)劃示意圖Fig.11 Path planning of the car

2.5 電池與環(huán)境監(jiān)測單元

為了使系統(tǒng)的驅(qū)動和控制信號更穩(wěn)定，采用分別供電的方式來為數(shù)據(jù)處理器和電機供電。數(shù)據(jù)處理器采用3.3 V 電源，電機采用22.4 V 電源。

環(huán)境監(jiān)測單元：光照度監(jiān)測選用16 位數(shù)字輸出型環(huán)境光強度傳感器BH1750FVI，其工作原理如圖12 所示。它接近視覺靈敏度，分辨率高、功耗低，并且光源依賴性弱，受紅外線影響小。BH1750FVI 采集到的數(shù)據(jù)先通過IIC 通信方式傳輸?shù)絾纹瑱C，單片機通過計算和校正得到真實的光照強度值。當(dāng)光敏電阻檢測到外界環(huán)境的光強低于設(shè)定值時，開啟LED 燈來輔助識別［10］。環(huán)境監(jiān)測單元控制流程如圖13 所示。

圖12 光照監(jiān)測電路Fig.12 Illumination monitoring circuit

圖13 監(jiān)測單元控制流程圖Fig.13 Control flow chart of environment monitoring unit

3 實驗驗證

3.1 實驗場景

智能小車避障測試環(huán)境為開闊不平整場地，場地上隨機布置不同的障礙。智能小車的實物車體模型如圖14 所示。為了方便測試系統(tǒng)的實驗調(diào)試，只采用了車架部分和收集裝置進行實驗驗證。

圖14 智能小車車體實物模型Fig.14 Physical model of the intelligent car

3.2 測試內(nèi)容

為了驗證控制系統(tǒng)的有效性和調(diào)試校準(zhǔn)，本文測試了左右兩組電機在不同轉(zhuǎn)速差下小車的轉(zhuǎn)彎半徑、不同速度下的小車識別準(zhǔn)確率、不同攝像頭安裝角度下的識別準(zhǔn)確率、補光模塊對識別準(zhǔn)確率的影響以及小車避障的成功率等內(nèi)容。

3.3 測試結(jié)果

3.3.1 不同速度下的識別準(zhǔn)確率 共做50 組實驗，速度參數(shù)（小車運動控制程序中左右輪運動速度的數(shù)值）與小車實際運動速度部分數(shù)據(jù)見表1，結(jié)果如圖15 所示。速度參數(shù)與平均運動速度的關(guān)系在0～150 呈正相關(guān)，速度參數(shù)在150 以上實際速度呈飽和趨勢不再線性增加；在光照條件充足不影響準(zhǔn)確性的情況下，智能小車的實際速度與識別準(zhǔn)確率之間的關(guān)系如圖16 所示，小車運動速度較低時，目標(biāo)物在小車攝像頭識別范圍內(nèi)停留時間較長，目標(biāo)能夠被正確識別的成功率高；當(dāng)小車運動速度增加時，目標(biāo)物在識別范圍內(nèi)停留時間減少，導(dǎo)致小車不能夠在高速運動的過程中準(zhǔn)確識別出目標(biāo)物，在綜合實際速度與識別準(zhǔn)確率的情況下速度為30 ～45 cm/s 范圍內(nèi)識別率最高。

表1 速度參數(shù)與實際速度表Tab.1 Speed parameters and actual speed

圖15 速度參數(shù)與實際速度的關(guān)系Fig.15 Diagram of speed parameters and actual speed

圖16 實際速度與識別準(zhǔn)確率的關(guān)系Fig.16 Relationship of actual speed and recognition accuracy

3.3.2 小車行駛轉(zhuǎn)向控制實驗 設(shè)小車與路面的摩擦足夠大，不存在側(cè)滑，小車輪子運動軌跡如圖 17 所示，其中r為轉(zhuǎn)彎半徑，L為軸距，d為后輪距。

理想情況下轉(zhuǎn)彎半徑與外側(cè)輪轉(zhuǎn)速和內(nèi)側(cè)輪轉(zhuǎn)速的值呈正相關(guān)。一共做了40 組實驗，小車左右輪差速與轉(zhuǎn)彎半徑部分數(shù)據(jù)如表2 所示。在實際條件下，由于摩擦等因素存在系統(tǒng)的轉(zhuǎn)彎半徑和差速關(guān)系是：兩輪差速與轉(zhuǎn)彎半徑成正相關(guān)（見圖18）。

圖17 小車轉(zhuǎn)彎運動軌跡示意圖Fig.17 Car turning trajectory

表2 差速與轉(zhuǎn)彎半徑Tab.2 Speed difference and turning radius

圖18 差速與轉(zhuǎn)彎半徑的關(guān)系Fig.18 Relationship of speed difference and turning radius

3.3.3 不同攝像頭安裝角度下的識別準(zhǔn)確率 在不同速度的識別準(zhǔn)確率實驗的基礎(chǔ)上，當(dāng)速度穩(wěn)定在30 cm/s 時，更改攝像頭角度，得出夾角與識別準(zhǔn)確率關(guān)系如表3 所示。在速度一定的情況下，攝像頭與Z軸夾角越小，則攝像頭識別范圍越小，目標(biāo)物在攝像頭視野中停留的時間短，識別準(zhǔn)確率較低。攝像頭與Z軸夾角越大，攝像頭的識別范圍越大，需要處理的圖像面積大，運算數(shù)據(jù)多，識別準(zhǔn)確率較低。在綜合識別范圍與識別準(zhǔn)確率的前提下，攝像頭與Z軸夾角為40° ～50°時識別效果較佳。

表3 攝像頭夾角與識別準(zhǔn)確率表Tab.3 Angle of camera and recognition success rate

3.3.4 補光模塊對識別準(zhǔn)確率的影響 在速度識別與攝像頭安裝角度實驗的基礎(chǔ)上，進行補光環(huán)節(jié)的影響實驗。小車移動速度為30 cm/s，攝像頭夾角取45°，在同樣的條件下，分為開啟補光和無補光兩組對照實驗，實驗結(jié)果如表4 所示，T 表示識別成功，F(xiàn) 表示識別失敗，在無補光情況下的識別成功次數(shù)顯著低于開啟補光的識別成功次數(shù)。得出結(jié)論為燈光對識別成功率有明顯的影響，增加了補光環(huán)節(jié)之后成功率有明顯提高。

表4 燈光狀態(tài)與識別狀態(tài)表Tab.4 Lighting status and recognition status

3.3.5 綜合避障實驗 環(huán)境布置如圖19 所示，啟動小車。系統(tǒng)進行初始化后，攝像頭開始工作，小車開始行走；當(dāng)小車在距離第一個右前方障礙物還有大約15 cm 時，左側(cè)輪速度開始降低并且開始差速向左邊轉(zhuǎn)彎；在轉(zhuǎn)向過程中，檢測到左前方障礙物2，比較障礙物1 與2 的位置，判斷距離障礙物2 較近，差速右轉(zhuǎn)，繼續(xù)前行，直到避障系統(tǒng)檢測不到障礙時，取消輪子差速，繼續(xù)向前；當(dāng)檢測到右前方的障礙物3 時，小車向左邊差速行駛，順利完成避障測試。

將目標(biāo)物隨機散落在場地周圍，小車在合適的速度運行過程中能夠較好地識別到目標(biāo)并且追蹤目標(biāo)，在追蹤目標(biāo)的同時實現(xiàn)避障功能。為了防止實驗測試的偶然性和驗證多傳感器的準(zhǔn)確性，一共進行了50 次測試。實驗結(jié)果表明：多傳感器的智能小車避障成功率達到80% ，而采用單超聲波傳感器的智能小車避障成功率小于50% 。

綜上，本系統(tǒng)能夠在開闊不平整場地上進行對目標(biāo)的識別和追蹤，并且能夠隨時避障。一共做了50 組實驗，在30 ～ 40 cm/s 速度下，避障成功40 組，其中識別成功34 組。避障成功率為80% ，在避障成功的情況下，識別準(zhǔn)確率達到85% 。

圖19 障礙物布置圖Fig.19 Layout of obstacles

4 結(jié)語

本文針對復(fù)雜地形的高爾夫球場內(nèi)高爾夫球的收集，設(shè)計了一種能夠?qū)崿F(xiàn)目標(biāo)識別追蹤和避障一體的測控系統(tǒng)。經(jīng)測試，本設(shè)計中的識別系統(tǒng)能夠?qū)崿F(xiàn)圖像的采集和特定目標(biāo)識別功能，攝像頭采集到的圖像清晰度能夠滿足要求，同時識別單元可以通過對不同的模板導(dǎo)入，推廣應(yīng)用到不同目標(biāo)的識別，如正方形、長方形、二維碼等的識別追蹤。采用的補光模塊能夠使系統(tǒng)的使用環(huán)境范圍大大提升，使用的二驅(qū)控制四驅(qū)方法能夠較好地克服復(fù)雜地形的局限性，并且能夠在30 ～40 cm/s 速度下完成任務(wù)，使用的多傳感器綜合避障能避開絕大多數(shù)障礙物，實現(xiàn)路徑規(guī)劃。