基于國產MCU沁恒的智能循跡小車

蔣怡安 黃亞河 宋妍

摘要：隨著智能化技術的發展，智慧車輛應用十分廣泛，從自行驅動車輛到盲人外出引導車，從現代化貨物運送車到電動行駛故障檢查車，從車隊內的機動運送車到無人運輸車。本文旨在利用國產MCU沁恒設計制作一款通過攝像頭精準循跡的小車，安裝在車身前端的攝像頭傳感器，可以收集道路信息并將其發送至核心控制系統進行圖像處理。利用PID算法計算PWM信號傳輸給小車的電機，使小車按照正確的軌跡前進。此外，編碼器和陀螺儀實時反饋小車的速度和狀態，從而實現對小車運動速度和方向的閉環控制，使小車能在道路上高速行駛。經實際調試，該智能小車可實現圖像傳輸、自動循跡等一系列車輛智能化功能。

關鍵詞：國產MCU沁恒；PID控制；圖像處理

一、智能巡跡小車結構設計

智能循跡小車采用沁恒CH32V307VCT6作為微控制器，將MT9V034總鉆風攝像頭作為道路信息收集的傳感器，將收集到的數據信息傳輸給主控MCU，經過二值化處理，將圖像轉換為黑白圖片，并利用梯度算法確定左右邊界，作為車輛行駛的路徑，以此實現智慧車輛的自動控制。對道路偏差進行PID計算，可以得出調整電機轉速的PWM波占空比，以此改變車輛的運動速度，及時對道路進行響應。如此，在不同的路段，如彎道、環島路段或三岔路段時，可以借助陀螺儀數據輔助圖像識別技術調整電機的轉速以實現差速轉彎或穩定、快速通過。CH32智能小車基本結構如圖1所示。

二、硬件電路設計

（一）主控模塊

CH32V307VCT6是基于32位RISC–V架構設計的互聯型微控制器，它具有智能硬件堆棧區和高速電源中斷入口，在很大程度上可以提高電源暫停應答速率，供電電壓覆蓋范圍為2.7～5.5V，工作溫度

區域為–40℃～85℃ ，內置RTC、12位ADC轉換模塊、7個定時器、8個標準通信接口等模組，為控制系統提供了強大的支撐，使其能夠在各種復雜環境中穩定運行，滿足項目需求。

（二）電機及其驅動模塊

將RS–380型號的直流電機作為電機模塊，擁有較好的控制響應能力，可產生較大的扭矩，從而帶動負荷運轉，還能根據控制信號迅速進行速度調節。

此型號的電機有主要有以下幾點優勢。

出色的轉矩性能，可以有效抵消傳動裝置帶來的摩擦力和負載力，從而提高運行效率；較大的速度調節范圍，速度調節曲線較為穩定；調速信號反應快，對復雜的調節信號響應較好；能夠較長時間處于停轉狀態而不會燒毀。

DRV8701模塊是一款具有四個外部N通道MOS的單路H橋柵極驅動模塊，它可以有效控制12～24V直流系統，從而提供更高的性能和可靠性。

驅動模塊的特性直接決定智能車速度控制系統的上限，一款優秀的驅動模塊是智能車高速、穩定運轉的關鍵。DRV8701型號的特性，如5.9～45V工作電壓范圍；無須外部電路升壓，智能車主板上留出升壓模塊的空間。具體的控制邏輯：該模塊需要一路PWM和一路IO控制一個有刷直流電機，當對應的單片機IO口輸出高電平時，電機正轉，此時單片機對應的PWM口輸出占空比，占空比越大，提供給電機的平均電壓越大，電機轉速越快，反之越慢。當對應的單片機IO口輸出低電平時，電機反轉，此時PWM口仍起到控制轉速的作用。該驅動模塊能夠很好地滿足項目需求。

（三）攝像頭模塊

采用基于MT9V034芯片設計的總鉆風攝像頭，可以在高速環境下實現全局快門拍攝，從而獲得更加清晰的圖像。

智能車在高速行駛時，采用全局快門技術，攝像頭捕捉的圖像不會失真，保證圖像的完整性。此外，還有其他優點，如高動態范圍（HDR）能在顯示全部動態視角的同時保證畫面既不太暗又不會過度曝光。自動曝光功能根據環境的亮度自動調整曝光時間，適應不同的環境，還可以以手動曝光的方式調整曝光時間，使圖像更利于算法的處理。當智能車輛在高速運行時，路況瞬息萬變，需要攝像頭模塊較快的處理時間，及時反映路況，而總鉆風模塊提取一幀圖像在3.5ms左右，完全可以滿足要求。路況的變化復雜多樣，總鉆風攝像頭模塊直接輸出灰度圖像，最大限度還原真實路況，其中包含足夠多的原始信息，便于處理。

在安裝攝像頭時，首先要調整攝像頭的角度，使拍攝的畫面清晰且賽道圖像內容盡可能多，選定角度后使用熱熔膠固定牢固，防止因碰撞導致攝像頭角度變化。粘牢固后，調試鏡頭的焦距，使灰度圖像更清晰。為了減少場地反光，還可以加上偏振片，它允許通過偏振化方向的光，屏蔽來自與之垂直的光，在一定程度上削弱反光的影響，減少圖像的噪點。

（四）編碼器模塊

Mini512線增量式編碼器是一種用于檢測智能車輛實時速度的高精度設備。它由LSB相、Dir相和Z相三部分組成，LSB相負責輸出脈沖數，Dir相表示正反轉方向，Z相是單圈波形，每圈只會出現一次脈沖。地面摩擦力、電機轉軸摩擦力等因素可能導致電機的轉速與設定值有較大的出入，編碼器是速度閉環的關鍵一環，智能車輛能否按理想的速度行駛須由編碼器測速進行反饋。

編碼器換算速度的公式：

V = [（X4/X3）×（X2/X1）]×X0/X5

式中X0? ——車模輪子周長；

X1——車模齒輪的齒數；

X2——編碼器齒輪的齒數；

X3——編碼器的線數；

X4——ENC 讀到數據；

X5——ENC 讀取時間間隔。

即

速度=[（總脈沖數/編碼器線數）×編碼器齒數/車模齒數]×輪周長/脈沖讀取時間

編碼器讀取的脈沖數不僅可以用于速度的輸入和輸出，還可以根據單位路程讀取的脈沖數進行積分得出行駛的總路程。首先，要獲得行駛單位距離的脈沖數，通過開啟定時器，讓小車在規定時間內用正常速度行駛一段距離，然后根據“單位距離的脈沖數=實際距離/脈沖積分”計算出單位距離的脈沖數。在5ms定時器中斷服務函數內讀取一次編碼器的脈沖時，計算“5ms行進的路程=5ms的脈沖積分/單位距離的脈沖數”，得到瞬時路程。

（五）陀螺儀模塊

MPU6050為六軸運動處理傳感器，集成三軸微電子機械系統（Micro-Electro- Mechanical system，MEMS）陀螺儀和三軸加速度計，可以測量X、Y、Z這三個軸的角速度和加速度。

陀螺儀通過IIC總線與MCU相連，將測出的角速度和加速度傳遞給MCU。MCU主要通過對Z軸角速度進行積分得到小車的偏航角（Yaw），進而控制車輛在賽道中的姿態。陀螺儀電路原理如圖2所示。

在MCU的5ms定時器中斷中，利用以下公式進行Yaw角度的計算：

Yaw = Yaw + 0.005mpu_gyro_z

得出的Yaw角度可以用于小車在元素中的狀態判斷。

三、軟件設計

（一）速度控制

小車由車體后方左右兩電機驅動，電機速度的計算符合以下公式：

左（右）輪速度=直行速度±轉向速度

小車的直行速度符合以下公式：

直行速度=基速+控制速度×控制系數

基速和控制速度由編程人員依據現場條件給定。控制系數則由道路圖像可觀測到的最遠端（圖像前瞻）給定。假設控制系數為y，圖像前瞻為x。由以下公式確定y與x的關系：

y = Ax3 + Bx2 + Cx + D

在圖像前瞻位于0～60，即x取值0～60時，其中參數A、B、C、D一般符合如下經驗：A = 0.0001308；B = –0.01078；C = 0.2964； D = –2.398。

控制系數與前瞻的數字關系如圖3所示。

通過小車運行時的道路前瞻動態改變控制系數，進而改變最終速度，有利于提高車輛響應彎道時的動態性能。

小車的轉向速度由圖像的偏差值結合位置式PID算法得出。

（二）圖像處理

為了減少圖像處理的復雜性，采用大津二值化法自動提取灰度圖像的閾值，并將其轉換為二值化的形式，以便更好地應對不同光照條件下的變化。

1.彎道

在圖像中從兩邊往中間、從下往上搜索黑白跳變點，由此確定道路的左右邊界及中值。當處于彎道時，一邊丟線的情況下，道路中值為不丟線，一邊的數值加或減半路寬，從而控制小車前進。

2.環島路段

環島路段如圖4所示，以左環島為例，通過分析發現，環島路段所采集的圖像不同于直道與彎道，左側出現丟邊的情況。

小車到達入環處，通過補出右邊線，小車進入圓環。小車駛入環中，根據陀螺儀積分角度計算小車入環情況。當角度積分達到一定數值，且圖像的特征符合左下丟邊、右下丟邊，則達到出環條件。補線的策略是找到右邊界下端的拐點及左邊界上端的點并進行連接，得到左邊界。為防止出環后誤判，在出環結束后，用編碼器計算距離，在一定距離內不再判斷環島路段。

3.三叉路段

在正入三岔路段時，以進入左側道路為例，以右下角與左上角補出右邊界，從而進入三岔路口。在三岔中小車處于正常控制，當距離積分達到一定數值，并且圖像的特征符合左下白、右上白，則達到出三岔路段的條件。補線的策略是找到左上角主道路上一點與右下角進行連接，補出右邊界。與環島路段類似，為了防止誤判，在出三岔路段后，用編碼器計算距離，在一定距離內不再判斷三岔路段。

四、結語

綜上所述，智能巡線小車采用CH32V307VCT6最小系統作為控制核心，利用攝像機頭收集路面數據，增量式編碼器監測當前車速，陀螺儀監測車輛運動姿態，將數據傳輸至中心控制器，解析車輛當前運行狀況，實現實時監控。經過合理設計，這款智能小車可以在彎道、環島、三岔路等復雜路況下行駛，并具備高速行駛、實時道路信息采集分析及自動駕駛功能，從而滿足不同路況的需求。

參考文獻：

[1]吳永豪，趙世祥，周雨飛，等.基于STM32單片機的坡道智能巡線小車[J].信息與電腦，2022，34（12）：124-126.

[2]王加安，戴鵬，蔣波文.基于TC264的智能小車控制系統[J].電子制作， 2021（18）：7-9.

[3]范作鑫，侯文靜，楊廣東.基于競賽的智能小車設計[J].電子世界， 2020（04）：151-152.

[4]徐翔，王琪，高進可，等.智能車車道識別與圖像處理[J].自動化技術與應用，2020，39（07）：91-95.

[5]毛春霞，李健，王家盛，等.基于K60芯片的賽道智能小車技術研究[J]. 科技廣場，2017（11）：164-166.

[6]何維，崔傳真.基于飛思卡爾杯智能小車的設計[J].黑龍江科技信息，2017（17）：135-136.