0 引言
导航系统对自动驾驶的重要性日益凸显，车辆导航系统不仅可以确定车辆的最优路径，而且可以实时监测车辆的速度和加速度。该智能车导航系统使用视觉导航图像传感器获取路径信息，再传输到处理器中进行处理，对信息图像进行二值化，根据小车与目标的位置，求得相对位置的偏移角度，并传送给车体。车体再将接收到的图像信息与陀螺仪获取的数据相结合，控制转向；速度传感器获取实时速度，采用增量式PID 实现对电机的闭环控制，最终实现一套自主路径规划导航控制系统[1]。 1 系统设计方案
整个系统主要由图像采集平台和智能车平台两个部分组成。图像采集平台主要实现摄像头数据的采集、处理和无线传输系统，智能车平台主要有K60单片机最小系统、避障模块、电机驱动模块、无线传输模块、陀螺仪模块等组成。总体设计结构框如图1所示。 2 系统硬件设计
2.1 图像采集处理器
图像采集主控芯片采用STM32F767。其体积小，性能稳定，具有ARM32位Cortex-M7高性能CPU，工作频率高达
216MHZ，内嵌1024KB 的高速FLASH 闪存程序存储容量。具有睡眠、待机和关机三种模式使其具备较低的功耗；芯片有2个数模转换器，多达132个快速I/O 端口且所有端口均支持5V 信号，同时具备两个支持SMBus/PMBus 的I2C 接口、8个USART 接口、6个18M 位/秒的SPI 接口、CAN 接口和MicroUSB 接口。核心板内部资源丰富，各模块相对独立[2]
。将摄像头采集来的图像数据，通过NRF24L01无线传感模块传输给地面的智能车。
图1 系统设计方案
2.2 红外摄像头MT9V032
图像采集对小车导航避障系统工作的稳定性和高效性起着重要的影响。设计过程中综合对比后采用了
红外广角摄像头MT9V032。MT9V032具有感光面积大、高动态性能、自动
to determine their environment and running state, realize the intelligent vehicle running speed and direction of closed loop control.
Keywords:visual inspection; path planning; intelligent car
基金项目：2018年安徽省大学生创新创业训练计划项目（AH201812216019 ）；2019年国家级大学生创新创业训练计划项目（201912216059）；2019校级科研（2019zr012）。
测，获取路况中障碍物的距离信息，确保避障系统的稳定运行，车身头部和尾部还配备了两块圆形红
外LED 灯盘，一大一小供红外摄像头检测，通过测算两红外的坐标并进行大小比较和两坐标的斜角计算，就能确定车模的整体位置和角度信息，最终在各个模块的配合下实现了一套能够识别信标位置自主路径规划，并且可以实时输出车体状态的智能车导航控制系统。
3 系统软件设计
智能车导航系统设计主要分图像识别系统和智能车控制系统，首先智能车先通过摄像头采集路面信息进行坐标计算，图像采集时可能会出现边缘杂点、边缘线，远景图像模糊、变形等问题，造成图片信息不真实，这就需要利用Matlab 来校正图像，图像校正后在确定采集到三个发光源后，计算出偏移角，再将采集分析后的数据发送给智能车。智能车控制系统根据接收到的数据后执行相应的操作，例如前后车灯的亮灭控制、舵机打角计算及电机的正反转。系统整体软件设计流程如图2所示。
3.1 图像采集与校正
摄像头在拍摄图像时，由于镜头的特点（凸透镜会聚光、凹透镜发散光），其成像过程是对真实镜像的一种透视失真，智能车采用的是170°广角摄像头，图像产生的桶形失真相对严重，沿着镜头半径方向向边缘移动畸变会越来越严重。本设计利用棋盘式方格进行测量，创建函数矫正桶形畸变还原真实赛道信息。筒体变形的数学模型参考公式（1）。
2(1)u d d r r kr =
+ （1）
原始图像是一个二维数据矩阵，每个元素对应一个像
行跳跃式扫描，只扫描原始图像的一半像素点，缩短扫描时间，基本思想如下：
(1)根据设定的阈值提取黑白跳跃点，按照扫描出连续目标区域的个数，记录每个区域的长度和中心点坐标；开关柜门锁
(2)利用赛道的连续性，根据上一行白块中心的位置来确定本行的白块与上一行白块区域是否为同一区域，如果是便累加长度作为白块面积，不是便建立新的白块区域；
套筒冠(3)整幅图像扫描完成后对前三个白块区域的各行中点求平均值，采集到的白块区域超过三个便识别错误舍去；
(4)比较三个白块的像素面积并重新排序，连同识别的目标数量按从小到大的顺序一起发给小车；
(5)智能车根据白块大小来确定信标、车头与头尾，其中面积最小的为车尾，再拿车尾的灯与另外两个灯的距离作比较，较远的为信标，较近的便是车头。
3.3 路径规划
目标识别后小车需要以最快的速度准确的到达目的地，这就需要对路径进行优化，路径优化主要考虑以下三个方面：
(1)增加小车视场的长度和宽度
当采集到的图像略大于整个赛道时，摄像头采集到的目标畸变较小，此时小车会选择一个较好的路径快速灭掉信标且不出摄像头视野；相反，如果视场无法覆盖整个赛道，小车很容易冲出赛道检测不到信标位置。虽然增大视场可以减少失真但提高了分辨率的要求，所以本设计采用STM32F767主控制器，其自带摄像头接口，方便操作。为了增加视场的宽度和每行采集的图像点数，摄像头使用广角镜头来有效地增加视场的宽度。既满足图像采集的要求，又增加了单片机处理
较高的区域，并在镜头视野内摆放了一些杂物干扰智能车的行驶路径。t恤转印纸
实验表明，小车会根据传输过来的图像信息对亮着的信标灯进行目标识别并且规划路径，向着目标灯行驶过去。同
导航避障系统的设计[J].上饶师范学院学报,2019,39 (03):45-51．
N p 、D p
螺旋桨的转速、直径
F N 方向舵法向力，也是螺旋桨干涉下舵受到的正压力
簇绒机t R
舵的减额系数，是转向引起的舵阻力减除和螺旋桨推力增加的因素
a H 、x R
船体横向力修正系数与舵的纵向位置
x H
等电位端子箱
船体与横向力作用点与船舶重心之间的纵向距离λ、ρ、ρa
展弦比、海水密度和空气密度A R 、d 舵叶面积与船吃水深度
U R 、αR 流入舵的有效速度与有效冲角H、b 舵平均高度与平均宽度
u R 、v R 流在舵处的有效横向速度与有效纵向速度L PP 、U 船总长与船速
v m ′无量纲横向速度,v m ′=v m /U r′无量纲横摆角速度,r′=rLpp/U
A f 、A s 水线上船体的正面投影面积和侧面投影面积
C wx 、C wy 、C wn
无人船的纵向风压力系数、横向风压力系数以及转艏力矩系数ζD 平均波浪幅值χ波浪遭遇角
C X
D 、C YD 、C ND
x 方向上、y 方向的波浪漂移力系数与绕z 方向上的波浪漂移力矩系数
u c 、v c
流速V c 在船体坐标系x、y 轴的分量
参考文献
[1] Ogawa A，Koyama T’Kijima K．MMG report-I，on
the mathematical model of ship manoeuVring[J]．Bull Soc Naval Archit Jpn，1977，575：22-28．[2] Ogawa A，Kasai H．On the mathematical model
of manoeuvring motion of ships[J].International Shipbuilding Progress,1978,25(292)：306-319.
[3] Matsumoto K,Suemitsu K(1980)The prediction of
manoeuvring performances by captive model tests.J Kansai Soc Naval Archit Jpn 176:11–22 (in Japanese).
[4] Inoue S,Hirano M,Kijima K,Takashina J(1981) A
practical calculation method of ship maneuvering motion.Int Shipbuild Prog 28(325):207–222.
[5] 王艳.无人船建模及路径跟踪控制[D].浙江大学,2019.[6] 王倩.无人帆船循迹航行的控制研究[D].上海交通大学，
2015.
[7] Yasukawa, H., Yoshimura, Y. Introduction of MMG
standard method for ship maneuvering predictions.J Mar Sci Technol 20, 37–52 (2015).
干墙[8] Sun Q M，Ren G，Yue J，Qi X W．SVM inverse model-based heading control of unmanned surface vehicle[C].Information Computing and Telecommunications．IEEE，2011．
（上接第49页）
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议