基于線性CCD的尋線智能車設計

楊明達，楊舟，黃永霖

（東北師范大學 物理學院，長春 130024）

楊明達（本科生），研究方向為自動控制。

引 言

以往的智能車競賽分為光電組、攝像頭組及電磁組。在本屆比賽中，光電組首次嘗試小車直立行走，并且首次采用線性CCD作為圖像采集傳感器。本文介紹以飛思卡爾Kinetis K10為主控芯片，如何使用線性CCD所采集的圖像進行數據處理的過程以及基于獨創的雙速度控制算法，從速度控制上解決了智能車過障礙的問題。

1 設計原理

1.1 數據采集算法

檢測路徑參數可以使用多種傳感器件，如光電管陣列、CCD圖像傳感器、激光掃描器等。各種檢測方法都有相應優缺點，其中最常使用的方法為光電管陣列和CCD圖像傳感器。如何有效利用單片機內部資源進行路徑參數檢測，是確定檢測方案的關鍵。［1］

CCD傳感器是一種新型光電轉換器件，它能存儲由光產生的信號電荷。當對它施加特定時序的脈沖時，其存儲的信號電荷便可在CCD內作定向傳輸而實現自掃描。CCD有面陣和線陣之分，面陣是把CCD像素排成1個平面的器件；而線陣是把CCD像素排成1直線的器件。本設計中使用線性CCD作為圖像傳感元件。

在本設計中選用TSL1401CL線性CCD，TSL1401CL線性傳感器陣列由一個128×1的光電二極管陣列、相關的電荷放大器電路和一個內部的像素數據保持器構成。該陣列由128個像素組成，其中每一個像素的光敏面積為3 524.3μm2，像素之間的間隔是8μm。該芯片操作簡單，只需要一個串行輸入信號和一個時鐘信號即可進行數據的讀取。

在CCD采集上，所采用的曝光時間自適應策略如圖1所示。

圖1 自適應算法過程圖

從圖1可看出，該曝光時間自適應策略就是一個典型的閉環控制，控制對象是線性CCD模塊的曝光時間，反饋是線性CCD感應到的曝光量。調節的目標是設定曝光量。控制器的工作原理是將設定的曝光量減去實際曝光量，差值即為曝光量的偏差e，曝光量調節器用Kp乘以e再加上上次的曝光時間作為新的曝光時間進行曝光，曝光時間調整后直接影響實際反饋的曝光量，如此反復進行調節就能達到適應環境光的目的。我們的做法是取一次采集到的128個像素電壓的平均值作為曝光量當量，設定的曝光量也就是設定的128像素點平均電壓。

1.2 數據處理算法

在圖像處理中，采用邊緣檢測法檢測賽道。因為賽道采回圖像電壓值不同，白色賽道與黑色賽道邊緣的交界處會出現圖像的凹槽，也就是圖像數值的下降沿。將CCD的128個圖像點進行坐標標注，由0～127，就可以確定出兩邊黑線的左右值。

得到左右坐標，根據公式“中線＝（左坐標＋右坐標）／2”，就提取到了中線。當然還要考慮邊線丟失的情況，我們采取補線的策略，如果這一時刻坐標丟失就采用上一時刻未丟失的坐標代替，這樣無論在十字彎、直道、彎道還是虛線，都可以實現很好的識別與控制，適應各種不同的賽道要求。

對電機的控制上，采用傳統的PID控制算法。PID控制是最早發展起來的控制策略之一。PID控制器綜合了關于系統過去（I）、現在（P）和未來（D）三方面的信息，控制效果令人滿意。工業控制95%以上都采用了PID結構，具有簡單、魯棒性好和可靠性高的優點。［2］

PID算法示意圖如圖2所示。

圖2 PID算法示意圖

其中，所采用的數字PID算法公式如下：

綜上所述，在小車控制系統的閉環部分均采用了傳統數字PID算法或改進型智能PID算法。

2 雙速度控制算法方案設計

2.1 傳統速度控制算法

由于車模的整個行駛過程是時刻變化的，在賽道構成復雜且車模運行速度很高的情況下，對于系統的響應要求很快。因此速度控制必須具有迅速、準確、響應快的特點。由PID原理知：I（積分項）的遲滯效果會讓控制系統響應變慢，因此為適應直立車模高速運行下的各種不同類型賽道，放棄官方設計方案中所推薦的PI控制，而采用反應更迅速、調節速度更快的PD控制。

直立車模是雙電機分別控制左右輪，并且通過左右輪的差速進行轉彎。在直立車的電機控制中，PWM波的輸出是由直立控制量、速度控制量與轉向控制量共同組成的，即：

由上式可知，實際值為左右輪速度的平均值。得到速度控制量同時加給左右電機，即左右電機速度控制量始終相同，由此可知左右電機速度控制量始終相同。在傳統速度控制算法下，轉向控制量相對于速度控制量來說相當于是一種擾動量。

2.2 雙速度控制算法

我們所設計雙速度控制的思想如下：

因為在小車行駛過程中，小車保持直立，因此在小車直立行駛狀態下，直立值為固定值，所以：

左、右輪速度值均由該輪速度控制量與轉向控制量同時給定。

由此可知：

則實際上，轉向控制量為速度控制閉環中一部分，在C語言實現時，將兩控制量由同一控制算法計算。最終輸出量為：

電機輸出量＝直立控制量＋速度與轉向控制量

由原理可知，在直道上行駛時，因為轉向控制量接近于零，所以傳統速度控制與我們所使用雙速度控制下的速度輸出量相同。轉向時，由于圖像采集后的PID控制產生轉彎控制量，形成左右輪差速，實現車模轉彎。傳統速度控制模式下轉彎控制量并不受速度控制調整，轉彎量相對速度控制參數來說是一種擾動量，在雙速度控制算法下，轉彎量因對當前輪胎轉速造成影響，故受到該輪速度控制調節。雙速度控制下，當車模運行轉彎時，雙速度控制實際上會減緩車模入彎控制速度，加快車模出彎控制速度。實驗效果上，因雙速度控制減緩車模入彎控制量，則在很大程度上減小了車模因快速入彎而造成的側滑以及側翻，而對于出彎的快速調整，使車模可以在出彎后更快地調整車模位置，便于處理連續彎道及出彎后的障礙、虛線、起跑線等特殊賽道情況。因此，雙速度控制下，轉彎時速度控制量不為零，相當于系統轉彎時始終有速度閉環存在，輪子的左右差速由速度閉環控制。

3 實驗數據

以下為各種不同道路情況下，測得系統在不同路況下所能通過的最短時間，由光電門測量計時，如表1所列。

表1 不同速度控制算法在不同路況下車模行駛時間

由以上數據可以看出，在彎道越多時，雙速度控制所帶來的速度提升越明顯，而在連續小S彎道時所帶來的提升不大。

在本屆智能車競賽中，對光電平衡車來說，對于速度提升最大的考驗是本屆智能車首次加入的障礙部分。障礙部分最大的難點在于，車模直立狀態經過障礙時，不可預測是車模的左輪還是右輪先經過障礙。在車模高速行駛經過障礙時，會出現車模騰空、車模電機失速的現象。當電機失速時，車模落地時左右輪哪一個先落地同樣不可控，由此車模回歸地面速度不可控，造成車模倒地或側翻。

雙速度控制在很大程度上可以減小車模在過障礙時的失速。當車模經過障礙時，無論是左輪還是右輪先經過障礙，車輪失速、雙速度控制下，雙電機的速度控制是獨立的，又由于對電機的控制采用調節速度很快的PD控制，可以控制電機在失速回歸地面后迅速調整車身姿態，在車身重心較低情況下，高速通過單個障礙。經反復試驗，PD控制下的雙速度控制可以很好地克服車模過障礙時對車模產生的影響，效果很好。

結 語

本屆競賽，組委會首次要求光電組直立，本設計基于飛思卡爾K10芯片，首次嘗試使用線性CCD作為圖像處理傳感器。根據線性CCD所采圖像，通過PID控制原理，采用雙速度控制算法對高度復雜的不同路況、障礙等情況都實現較好處理，效果良好。

［1］卓晴，黃開勝，邵貝貝.學做智能車［M］.北京：北京航空航天大學出版社，2007.

［2］蔡述庭.“飛思卡爾”杯智能汽車競賽設計與實踐——基于S12XS和Kinetis K10［M］.北京：北京航空航天大學出版社，2012.