智能车优秀技术总结_摄像头环岛识别

智能车优秀技术总结

1、机械结构

1.使重心尽量位于车体中后方，保证车在高速行进入弯时的稳定性。在顺利过坡的前提下底盘越低越好。
2.在足够的舵机摆动力矩下，转向连杆在舵机一端的连接点离舵 机轴心距离越远，转向轮转向变化越快。
3.电机的进气口朝前 方便进气，出气口朝后方便出气。
4.轮胎胎皮安装于后轮轮毂，并固定在电钻的钻头上，用砂纸来进行打磨，这样相比于手工打磨的话会节省不少的时间和精力。
在打磨好轮胎后需要进行软化处理。软化后的轮胎以较高速运行时，在拐弯时轮胎发生型变，接触面增大，可以保证车模的运行状态更加稳定。
粘胎处理。
5.灯光与赛道距离太近，影响摄像头成相：黑色胶带。
6.舵机立式安装方式较好。
7.主销后倾大致1~2°。
8.总钻风摄像头，夏普红外。
9.用胶水将编码器粘牢。
10.当摄像头结构确定后，TFmini 的位置也很清楚了，直接将激光雷达安 放于舵机前、摄像头下方，既不会影响摄像头的图像，也不会因为过低误 判路肩，同时也有一个稳定的平面。
11.平时跑车也会对轮胎有一定程度的磨损，因此要注意轮胎表面的情况，如果状态不佳要及时更换，多备几对轮胎以备用。
12.芯片类型 优点 缺点 开发周期
STC 开发简单 不能使用摄像头，处理速率慢，同时ADC口不够 短
英飞凌 双核，主频高 软件底层不熟悉，没有硬件设计经验，同时没有申请到TASKING 长
恩智浦LPC 主频较高，底层熟悉，有硬件设计经验 ADC口不够用，不能满足多传感器结合 较短
恩智浦K60 主频较高，底层熟悉，有硬件设计经验，ADC口完全能够满足使用 处理速率不满足使用彩色摄像头 短
恩智浦RT.1021 主频高，可以满足彩色摄像头使用，ADC口足够使用 无硬件设计基础，同时底层不够熟悉 长
恩智浦RT.1064 主频高，可以满足彩色摄像头使用，ADC口足够使用 无硬件设计基础，同时底层不够熟悉 长
——————————————————————————
13.经过实验我们
发现摄像头位置越靠近车后方越能提前得到路况信息，但是由于我们有电磁前瞻，会对摄像头采集图像有影响，所以我们将摄像置于智能车的前瞻下方，经测试对入库完全没有影响。摄像头的安装高度要适合于图像的采集和处理。通过多组对比试验，我们最后决定将摄像头固定于前瞻下方的碳杆上，但是碳杆因为承受过多重量导致摇晃，于是我们就在碳杆的底部和侧面加入三角支撑结构，使得整车稳定性更
高。

14.（信标）我们发现轮胎磨损之后摩擦力会大大下降，所以我们采用频繁更换小轮子上的胶皮的方法来缓解这一问题，同时在安装小轮子的时候应当注意固定的松紧程度应适中，太紧了会影响车模的横移以及转弯的灵活程度，太松的话螺母容易脱落，造成严重的后果。
（江西科技学院）

2、软件设计

1.警示

1.不联系路径和转向角度，只是单纯地分析过弯速度，会造成思路的局限甚至错误。

2.PID调试

2.先将 PID 参数设置为经典参数，然后通过上位机观察速度曲线，不断改变 PID 参数，直至观察速度曲线发现其加减速时间很短，超调量很少，则说明此时的 PID 参数已经基本比较合适，这样就确定出适合本系统的一组 PID 参数。

3.特殊位置识别

1.环岛识别

1.环岛处的电感值应大于其他地方的电感值。通过竖感和横感偏差的拟合，拟合出一个合适的偏差，通过这个偏差来实现环岛的进入。
2.环岛最基础的特征主要是一边与长直道相同，另一边斜率变化会比较大，根据这个特点会比较容易且准确的识别到环岛，识别到环岛之后要对环岛中间最具特征性的黑环进行匹配，我们这里采用的是斜率匹配法。
3.三个阶段，以左圆环为例，先判断左丢线，右不丢线， 在此基础上识别第二个标志，左不丢线，右不丢线，如果这两个标志位都满足 条件，判断第三个标志位，左丢线右不丢线。



（山东理工大学）
4.环岛的判别如果都放在主循环里面去判断，则判断失误的可能性就会大大提 高，极有可能出现车遇到十字路上就判断出了入环岛状态的误判现象，这是极 有可能的事情，所以需要把状态机情况逐一分开并嵌套在一起，如同铁索连舟 一样，环环紧扣，提高判断条件的严格度，才能减少误判的次数。检测环岛算 法完善的方法是将其他状态识别均关闭，让小车只进行环岛状态机，同时添加 蜂鸣器进行辅助，如若小车进行数圈环岛判断执行的过程中，蜂鸣器均相应正 常且环岛位置而没有误判的话，便说明环岛判断十分完善且稳定。
（中国计量大学）
5.16.圆环处电磁线铺了两遍，因此在圆环处电感值会翻倍，利用这一点进行识别圆环，然后可以根据预先设定好的方向进行打死角进入环内。在环中临近出环时，电感值又会增大，此时又可以打一个死角出环。

2.上坡

1.上坡之前记录陀螺仪的状态，解算得到当前角度，使用陀螺仪进行坡道上的方向控制，再通过检测车身俯仰角判断坡道是否结束，辅以路程判断，实践表明效果优于硬核的舵机限幅控制。

3.十字路口

1.十字路口的另一个特征就是拥有四个直角角点。

4.图像处理

1.对于边沿线的提取，我们采取的是跟踪边沿法。通过静态阀值将图像处理成
黑白两色，然后通过跳变沿检测出赛道的边沿。具体搜线的思想如下：
（1）前几行由图像中间向两边搜线，根据跳变沿找到基准行的边沿；
（2）然后根据前一行的边界的特点，在一定的范围内找下一行的边沿，根据赛道的连续性，排除一些干扰的点。
（3）当遇到跳变较大的点的时候，舍掉一些跳变较大的点。然后做出状态
（4）标记，表示这个点不可信。然后继续搜索，直到找到可信的点，然后将这些可信的点连接起来。用这种方法自己很好的解决了十字的问题，使得自
己可以顺利将赛道补充完整，试验验证这种方法十分的简单、高效且可行。
（5）对于中线的求法，使用的是边沿线的位置像素相加后取中值的方法。
（6）对于处理一些弯道的回拐现象，为简便起见则直接舍掉，不再进行搜索。（武汉科技大学）
2.如果在丢线过程中全部按照（如果一侧的边线丢失，我们在最初的基础上使用最近一行能够找到的赛道宽度作为之后丢线区域的赛道宽度，之后的丢线区域就将已知边线平移该宽度的一半作为近似的赛道中心线。）会导致在一些连续变向的弯道中有超调的问题，导致路径不太流畅。我们首先将正常直道的赛道宽度保存在一个数组中，之后再丢线不严重的区域寻找丢线边线的恢复行，计算恢复行的宽度相较正常直道赛道宽度的比值，再丢线区域按照这个比值，平移已知边线，拟合出需要的赛道中心线。
（杭州电子科技大学）
3…在处理灰度图像中，我们尝试了使用罗伯特算子将图像进行卷积运算，运算之后的图像在黑白跳变处会呈现一个很明显的高值。
（杭州电子科技大学）

4.解决问题

1.为了应对光线条件不理想的情况（反光、阳光直射、光线不充足等），我们对阈值进行了动态分割，实际应用发现能解决一定程度上的光线问题。

5.速度

1.当赛道中心引导 线与图像中心线的差值较小且向上投射线较高时，智能车可以适当加速；当赛 道中心引导线与图像中心线的差值较大且向上投射线较低时，智能车必须适当 减速
（中国计量大学）
2.以至少在直道 3.4m/s，弯道 2.8m/s 的速度下路线优秀。

—————————————————————

6.优化加权算法

对整场有效行的中心求加权平均值的算法，在低速情况下可以有效地优化赛车路径，但在赛车速度提高到一定程度之后由于过弯时的侧滑，路径不是很好。而由于图像分布不均，三分之二的行分布于车体前方40cm的范围内，求出的加权平均值受车体近处的图像影响较大，因此整场图像求加权的算法对于高速情况下的路径优化效果不是很明显。
为了解决这个问题，我们对于参与加权计算的图像行数及权重进行了处理，减小了车体前部50cm范围内的图像参与加权的行数和权重，同时增大视场前部图像的权重。在经过长期调试之后，得到了一套比较合适的参数，能够有效优化高速情况下的赛车路径.
（北京科技大学）

7.传球

1.我们发现 HC12 的通讯存在延时，并且延时不稳定时快时慢。于是我们就让被传球车给传球车发送信号来停车，而不是传球车给被传球车发信号启动。我们使用后车的编码器来进行内部触发，传球的一刻是一定会有撞击导致编码器值跳变，捕捉跳变来启动车辆，做到最快的反应。
（江西科技学院）
2.如果检测到的运动状态是静止的（编码器输出为0或小于一定值），那么说明未触发；如果四轮检测到自己被撞动了（编码器输出大于一定值），那么说明发生了交接球的过程，那么触发条件满足，四轮进入新的状态）
四轮要做的第一件事是：利用通信模块给三轮发出停车信息，使得三轮快速停车，避免三轮将四轮撞出赛道的情况发生。四轮要做的第二件事是：启动自身，在赛道上奔跑，进入车库后，完成了所有赛道任务并停车。
（电子科技大学）
3.使用真空隔膜气泵，不断抽气，在吸盘附近形成一个近似真空的区域，利用大气压力让吸盘吸附住磁性小球。
固定小球采用磁铁吸引。将三块强力磁铁等间距放置在方槽中，在传递小球过程中，小球根据交接时的姿态选择性吸附任意一块磁铁。我队放弃使用一整条磁铁，目的是避免小球吸附之后可以在磁铁上左右滑动，既影响车模运动又存在掉落风险。将接球装置设计成半圆槽形从而限制小球在竖直方向的运动。综上，小球在装置内上下前后左右运动都已被限制，该装置可以稳定接住小球。
（武汉理工大学）

8.入库

1.利用线性 CCD 检测起跑线，利用角度做偏差，输出转 向速度的 PD 控制使小车能够迅速且准确地进入车库（实际上纯 P 控制也能使小 车转的很好）。但是，这样的方式存在两个问题： 其一在坡道上因为角度改变的关系，CCD 前瞻也变长，并且在我们想要使 用飞坡的情况下，无法准确地得知坡道出来的时间与位置，因此在坡道上极易 造成误判，这迫使我们选择了从弯道入库，坡道出库的行驶方向。 其二速度较快的情况下，由于入库前离弯道过近的缘故，有可能车身并未正对起跑线导致 CCD 可能较迟地看到起跑线，这会让小车对车库的位置判断失误， 导致入库失败，因此我们利用了一下赛道记忆的方式，在过车库前的弯道以后， 一定时间/路程以内，如果 CCD 没有观察到起跑线，则强制进入入库程序来作为 保险措施，实际上这样的方法取得了不错的效果

二、亮点

1.让摄像头的前瞻性更大，我们将摄像头放在了车的最前端.
（成都信息工程大学）（经过试验发现，如果将摄像头安装在最前面的话，虽然可以增大前瞻，但最前面的车身是会有一些晃动，这对图像的采集和处理有着很大的影响，不利于电机和舵机的控制。（武汉大学））
2.电感排布采用的是“三横两竖”的排布方式。
3.因为比赛中可能会对一些参数做出修改，根据赛道情况做出不同的策略。比赛场上时间紧张，尽量要做到不必要的时间浪费，所以能不下程序就尽量不下，所以做出一个快捷的调参界面，我们通过五轴按键和拨码开关还修改参数。

调参页面（太原工业学院）
4.由于 15cm 的坡道坡度较陡，车模在刚上坡和下坡时，车模底盘的最前沿会和赛道有着短暂的直接接触，如果速度过快的话会直接碰撞，使车身抖动一下。过于激烈的碰撞有可能会使主板或驱动板的元器件虚焊，也可能会出现车身的一些连接件松动等情况，这对车模在经过坡道元素的过程中的稳定性有着直接的影响。为了解决这个问题，我们组在车模的最前沿增加了一对轴承来作为“滑轮”，这样车模在刚接触坡道元素时，由于这对“滑轮”的存在，车模的前轮会有短暂的一段距离是悬空的，这样很大程度上减少了直接碰撞带来的不利影响，实际使用时的效果也非常好。当然，这对“滑轮”的添加和短暂的悬空也没有违反《第十五届全国大学生智能汽车竞赛竞速比赛规则》中的相关规定。
(武汉大学)
5.摄像头在拍摄图像的时候，最理想的位置是能垂直于拍摄平面, 这样才能保证图像能按原来的几何比例重现。然而在智能车的实际运用中, 受到智能车车体结构的限制和车体控制需摄像头有一定视野距离的要求, 摄像头一般与地平面成一定角度安装。所以这时我们看到的图像是会有一些畸变的，这样也会产生一些问题：垂直线被拍摄成斜线导致斜率计算错误, 远处的弯道被压缩导致曲率计算错误等等。所以我们必须对图像进行桶形变换和逆透视变换加以矫正，为此我们编写了一套 MATLAB 程序得到矫正矩阵，在程序中得以计算出每个像素点所对应的真实世界坐标值，具体效果可见图片展示。

（武汉大学）
————————————————————————
6. 弯道偏差获取策略
因为在弯道中的赛道获取中心线比较困难,若处理不好会在连续弯道中造成串 道或者转弯不连续的问题。所以我们对此另辟蹊径。
因为图像本身具有梯形失真，并且会有丢边现象,我们采用单边平移的方式进行弯道处理。即将爬边得到的单边按照一定方向按照赛道宽度平移。
（哈尔滨工业大学）
6.二轮车模，但是本届比赛中要求至少一辆车为 3 轮，所以就需要增加一个前轮使其改装为三轮。我们按照最常见的万向轮，使用高精度轴承做了简单的结构，发现对车辆的运行几乎无影响。
（江西科技学院）

三、灵感

1.坡道识别：灰度图转化为黑白二值化图像，y轴占比。
—————————————————————
2.第一车用舵机控制机械夹具，第二车磁体or魔力贴。
3.漂移
4.挂钩挂线衔接