數字形態學濾波器與智能車路徑記憶

摘要：路徑記憶對于提高智能車速度起著至關重要的作用，但是原始路徑數據中的毛刺和擾動干擾著后續的決策過程。針對上述問題，本文提出了一種基于數學形態學的濾波算法，并將其簡化算法移植于單片機。經過賽道實驗表明：相對于傳統的閾值比較、低通濾波等方法，形態學濾波算法具有賽道還原度高、算法數據處理量小的優點。

關鍵詞：形態學濾波；路徑記憶；智能車

引言

“飛思卡爾”杯全國大學生智能車競賽規則明確指出，智能車在賽道上連續跑兩圈，并記錄其中最好的單圈成績，這使路徑記憶算法成為可能。如圖1所示，賽道記憶算法在第一圈以最安全的速度緩慢駛過一圈。并將賽道信息保存下來，第二圈根據保存下來的信息進行車速和轉角決策的相應最優化，從而在第二圈取得好成績。無論智能車的傳感器前瞻距離有多遠，在跑圈時它都只能預測在一段有限距離內賽道的情況。而采用賽道記憶算法的智能車，在第二圈時已對整個賽道有了全面的認識，從而在相同條件下，將比不使用賽道記憶的智能車更具優勢。

第一圈準確記憶賽道信息是第二圈控制策略的基礎，是比賽成敗的關鍵。但是在第一圈中不論控制策略如何優秀，賽車總會或多或少的偏離賽道，舵機的轉角信息總會出現一定程度的毛刺和擾動等粗大誤差，其幅值足以引起處理器的誤判。如果不加處理直接應用于第二圈控制，會對賽車造成嚴重干擾，不能以極限速度跑完比賽或者沖出賽道?！?br>