D O I :１０．１６７９１/j ．c n k i ．s j g
．２０１９．０４．０３６㊀基于视觉的双轮竞速自平衡小车的设计 符长友１,
２
，李㊀政２，王铭亮２，徐㊀飞２(１．企业信息化与物联网测控技术四川省高校重点实验室，四川自贡㊀６４３０００;
２．四川理工学院计算机学院，四川自贡㊀６４３０００
)摘㊀要：针对双轮竞速自平衡小车运动时的姿态倾角存在误差㊁平衡性不够好的问题，采用视觉传感器㊁卡尔曼滤波㊁高性能D S P ㊁W i ＧF i 通信等多种物联网技术，设计出一款基于视觉的双轮竞速自平衡小车.详细阐述了该小车的工作原理㊁系统架构㊁硬件设计及P I D ㊁卡尔曼滤波算法.实践表明，基于视觉的双轮竞速自平衡小车具有姿态倾角精准㊁运动平稳㊁转弯半径小 可达零转弯半径㊁前进后退切换自如等优点.关键词：双轮自平衡小车；视觉；物联网技术;D S P ;W I F I ;P I D 中图分类号:T P ２７３㊀㊀文献标识码:A㊀㊀文章编号:１００２Ｇ４９５６(２０１９)０４Ｇ０１６１Ｇ０４
D e s i g n o f t w o Ｇw h e e l r a c i n g s
e l
f Ｇb a l a n c e d v e h i c l e b a s e d o n v i s i o n F U C h a n
g y o u １,
２,L I Z h e n g ２,WA N G M i n g l i a n g ２,
X U F e i ２(１．K e y L a b o r a t o r y o fH i g h e rE d u c a t i o no f S i c h u a nP r o v i n c e f o rE n t e r p r i s e I n f o r m a t i o n i z a t i o n a n d I n t e r n e t o fT h i n g s ,Z i g o n g ６４３０００,C h i n a ;２．S c h o o l o fC o m p
u t e r S c i e n c e ,S i c h u a n U n i v e r s i t y o f S c i e n c e a n dE n g i n e e r i n g ,Z i g o n g ６
４３０００,C h i n a )A b s t r a c t :I nv i e w o f t h e p r o b l e m o f t h ea t t i t u d e i n c l i n a t i o ne r r o ra n di n s u f f i c i e n tb a l a n c eo ft h et w o Ｇw h e e l
r a c i n g s e l f Ｇb a l a n c e dv e h i c l ew h e n i tm o v e s ,s u c hv e h i c l eb a s e do nv i s i o n i sd e s i g n e db y u s i n g t
h e I n t e r n e to f t h i n g st e c h n o l o g i e s s u c h a s t h e v i s u a l s e n s o r ,K a l m a n f i l t e r ,h i g h Ｇp e r f o r m a n c e D S P (d i g i t a l s i g n a l p r o c e s s i n g ),W I F (w i n d o w si d e n t i t y f o u n d a t i o n )c o m m u n i c a t i o n ,e t c ．T h e w o r k i n g p r i n c i p l e ,s y
s t e m a r c h i t e c t u r e ,h a r d w a r e d e s i g n ,P I D (p a c k e t i d e n t i f i e r )a n d K a l m a nf i l t e ra l g o r i t h m a r ed e s c r i b e di nd e t a i l ．P r a c t i c e s h o w s t h a t t h e t w o Ｇw h e e l r a c i n g s e l f Ｇb a l a n c e dv e h i c l eb a s e do nv i s i o nh a s t h e a d v a n t a g e s s u c ha s t h e p r e c i s e a t t i t u d e i n c l i n a t i o n ,s m o o t h m o v e m e n t ,s m a l l t u r n i n g r a d i u s ,z e r ot u r n i n g r a d i u s ,e a s y f o r w a r da n d b a c k w a r d s w i t c h i n g
,e t c ．K e y w
o r d s :t w o Ｇw h e e l s e l f Ｇb a l a n c i n g v e h i c l e ;v i s i o n ;I n t e r n e t o f t h i n g s ;D S P ;W I F I ;P I D 收稿日期:２０１８Ｇ１０Ｇ０９
基金项目：四川省教育厅重点科研项目(１６Z A ０２５８)
；
企业信息化与物联网测控技术四川省高校重点实验室项目(２０１６W Z Y ２０１)
;２０１７年教育部产学合作协同育人项目(２０１７０２０６２０１７)作者简介：符长友(１９７６ )，男，四川岳池，学士，高级实验师，主要研究方向为工业控制㊁智能监测㊁物联网应用．
E Ｇm a i l :f c y
b i l l ＠１６３．
c o m ㊀㊀双轮竞速自平衡小车实质上是一个不稳定的欠驱
动系统，其特点为强耦合㊁多参数变量㊁非线性㊁多输
入㊁多输出[
１Ｇ２]
.该小车控制系统的平衡动态性与抗干扰性愈强，则系统的鲁棒性愈优良㊁系统的平稳性就愈
好[３]
.无论是在工业领域还是军事领域，双轮自平衡
车都有着极其重要的研究作用与研究价值.
在双轮竞速小车自平衡控制过程中，其姿态倾角测量的精准性㊁实时性决定了小车的控制精度与稳定
性.由于双轮平衡小车的车体抖振与稳态误差，若仅仅使用陀螺仪或加速度计对小车的姿态倾角实时监
４]
.卡尔曼滤波是一种多传感器数据融合算法，它将陀螺仪㊁加速度计数据进行优化处理㊁深度融合，对抖振与稳态误差进行有效抑制，并对陀螺仪的漂移误差与加速度计的动态误差进行补偿，便可得到高精度㊁高可靠性的运
动姿态倾角[
５Ｇ６]
.在竞速中，双轮自平衡小车需要准确㊁快速分辨出
赛道的左右边界.由于红外测距㊁超声波测距方法，受环境影响大且存在盲区，测量结果往往误差偏大.
为此采用视觉传感器，通过对比二值灰度图像，精准㊁快速分辨出赛道的左右边界，以确保小车在赛道内快速㊁平稳运动.
I S S N１００２Ｇ４９５６C N １１Ｇ２０３４/T ㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀实㊀验㊀技㊀术㊀与㊀管㊀理E x p e r i m e n t a lT e c h n o l o g y a n d M a n a g e m e n t ㊀㊀㊀㊀㊀㊀第３６卷㊀第４期㊀２０１９年４月
V o l ．３６㊀N o ．４㊀A p
r ．２０１９
１㊀工作原理
为了使双轮竞速自平衡小车在赛道上快速㊁平稳㊁精准运动，最关键的是要从赛道的二值图像中准确㊁实时分辨出赛道左右边线及位置，进而演算出偏差等数据，以便更好地完成方向及转向控制.
双轮自平衡小车是一个复杂的动力学系统，涉及多变量㊁不稳定㊁参数不确定性㊁耦合㊁时变的非线性高阶方程[７Ｇ８
].双轮竞速自平衡小车受力情况如图１
所示
.
图１㊀自平衡车受力分析图
１．１㊀倒立摆分析
从力学上讲，平衡小车就是一个倒立摆.车体可设置成长度为L ㊁质量为m 的倒立摆，放置于可左右移动的车轮上.设外力干扰引起车体产生的干扰加速度为x (t )，则沿着垂直于车体底座方向进行受力分析，可得车轮倾角θ㊁车轮加速度a (t
)及外力干扰加速度x (t
)三者之间的运动方程[９]:L ＝d ２
θ(t )d t
＝g s i n [θ(t )]－a (t )c o s [θ(t )]＋L x (t )(１
)㊀㊀经过一系列化简以及引入比例微分反馈,
最终将得到２个系统极点，即:
s p ＝
－k ２ʃk ２
２－４L (k １－g )２L
(２)㊀㊀若需系统稳定,
则这两个系统极点只能位于s 平面的左半部分.所以当k １＞g ㊁k ２＞０时，自平衡小车便可处于稳定状态[
１０Ｇ１１
].１．２㊀卡尔曼滤波
卡尔曼滤波是最小均方误差估计的一种递推算法，其核心思想是采用信号与偏差的状态方程，利用上一状态得到的估计值与当前状态的测量值来推算下一
状态量，以求得当前状态的最佳估计值[４]
.卡尔曼滤波状态预测过程方程为:
x ^(k |k －１)＝Ax ^(k －１)＋B
u (k －１)P (k |k －１)＝A P (k |k －１)A T ＋Q
{
(３
)㊀㊀卡尔曼滤波测量修正方程为:
K (k )＝P (k |k －１)H T (H P (K |K －１))H T ＋R )－
１x ^(k )＝x ^(k |k －１)＋K (k )(z (k )－Hx ^(k |k －１))p (k )＝(１－K (
k )H )P (k |k －１)ìîíïïïï(４
)２㊀系统架构
基于视觉的双轮竞速自平衡小车能精准地测量车体的倾角㊁倾角角速度㊁驱动２个独立电机以及负反馈闭环控制，与中控系统通过W i ＧF i 进行数据通信.双
轮竞速自平衡小车由倾角传感器㊁电机驱动㊁微处理器㊁赛道检测㊁L C D 显示㊁W i ＧF i 通信等功能模块构成，通过倾角传感器实现自身运动姿态数据的实时监测与显示㊁车身位置监测㊁电机控制等，并把姿态数据通过W i ＧF i 实时传送给中控系统,
如图２所示.图２㊀双轮竞速自平衡小车系统功能图
中控系统是一款安装在P C 机的管理软件,
负责接收双轮竞速自平衡小车传送来的姿态数据并在线显示，同时也控制双轮竞速自平衡小车的运动方向与运动状态.
３㊀主要功能模块设计
３．１㊀微处理器
微处理器采用TM S ３２０F ２８２３５，该芯片是３２位浮点D S P 控制器，主频可高达１５０MH z
.其内部采用高性能C MO S 技术，含１６ˑ１６㊁３２ˑ３２介质控制(MA C )运算.采用I E E E Ｇ７５４单精度浮点运算单元,６通道D MA 处理器,２５６K B ˑ１６闪存，高达９个３２位２
６１实㊀验㊀技㊀术㊀与㊀管㊀理
定时器[１２].其电路设计如图３所示.
图３㊀T M S３２０F２８２３５设计图
３．２㊀倾角传感器
倾角传感器实时监测自平衡小车运动姿态的变化，从而及时知晓自平衡小车的运动状态.倾角传感器采用F X A S２１００２芯片.该芯片是一款低功耗㊁微型且带１６Ｇb i tA/D C角速度的三轴M E M S陀螺仪传感器，其内
部集成了低通滤波器，能有效抑制数字信号带宽和噪声.该芯片可配置ʃ２５０/５００/１０００/２０００(ʎ)/s的动态量程，其精度最高为０．０６２５(ʎ)/s[１３].其电路设计如图４所示.
图４㊀倾角传感器设计图
３．３㊀W iＧF i通信模块
W iＧF i无线通信选用超低功耗的E S PＧ０１模块.该模块采用高性能S o C E S P８２６６，内嵌１M
BF l a s h,１２８K BS R AM，内置T C P/I P协议栈㊁T R开关㊁b a lＧu n㊁L N A㊁功率放大器，支持I E E E８０２．１１b/g/n，支持S T A/A P/S T A＋A P工作模式，支持A T指令[１４].３．４㊀视觉检测模块
视觉检测采用O V７６７０模块.该模块采用数字输出型C MO S摄像头，该摄像头含有３０万像素的图像感光芯片㊁３．６m m焦距的镜头与镜头座，同时含有帧同步㊁行同步信号，以及F I F O(先进先出)模块，能有效保证系统微处理器进行图像采集控制[１５].
４㊀程序设计
４．１㊀程序设计流程图
基于视觉的双轮竞速自平衡小车系统程序设计流程如图５所示.
自平衡两轮车图５㊀系统程序流程图
４．２㊀倾角子程序
倾角子程序部分代码如下:
㊀㊀v o i d A n g l e_D i p(v o i d)
㊀{//ＧＧＧ加速度计算ＧＧＧ
//范围为２g时，换算为１６３８４L S B/g
//角度较小时,x＝s i n x得到角度(弧度),d e g＝r a d∗
１８０/３．１４
//若x＞＝s i n x，则乘以１．３作适当放大
㊀A c c e_y＝G e t D a t a F X A S(A C C E_Y O U T_H);//读取y 轴加速度
g_A c c e D a t a_Y＝A c c e_y;
A n g l e_a y＝(A c c e_y_g_f A c c e Z e r o Y)/１６３８４;//去除
㊀㊀零点偏移，以计算角度(弧度)
A n g l e_a y＝A n g l e_a y∗１．２∗１８０/３．１４;//弧度转换
为度
㊀㊀．．．．．．
}
４．３㊀角速度子程序
角速度子程序部分代码如下:
㊀㊀v o i d S p e e d A n g l e C o n t r o l(u n s i g n e d c h a rE n a b l e)
{
f l o a t f_P V a l u e,f_E V a l u e;
３６１
符长友，等：基于视觉的双轮竞速自平衡小车的设计
i f (E n a b l e ＝＝１){f _E V a l u e ＝g _f S p e e d S e t Ｇ(g _P u l s e C o u n t L ＋g _P u l s e C o u n t R )/２．０;
㊀f _P V a l u e ＝f _E V a l u e ∗S p e e d C o n t r o l _P ＋㊀㊀(f _E V a l u e ＧS p e e d E r r １)∗S p e e d C o n t r o l _D ;㊀S p
e e d E r r １＝
f _E V a l u e ;㊀S p e e d A n
g l e S e t ＝f _P V a l u e /１００．０;i f (S p e e d A n g l e S e t ＜S P E E D _A N G L E _C o n t r o l _M I N )㊀㊀．．．．．．
}
４．４㊀卡尔曼滤波子程序
卡尔曼滤波以实现数据融合，其子程序部分代码如下:
㊀㊀v o i d K a l m a n (v o i d
){f l o a tM e a s u r e _x ,M e a s u r e _y ,P o s t _d a t a ０,P o s t _d a t a １,
P o s t _d a t a ２,P o s t _d a t a ３,P r e d i c t _x ,P r e d i c t _y ,G _p r e d i c t _x ,G _p r e d i c t
_y ;{㊀M e a s u r e _x ＝P o s t _d a t a ０;M e a s u r e _y ＝P o s t _d a t a ２;
P r e d i c t _x ＝P o s t _d a t a ０;P r e d i c t _y ＝P o s t _d a t a ２;r e t u r n (i n i t _K a l m a n (P o s t _d a t a ０,P o s t _d a t a １,㊀㊀P o s t _d a t a ２,P o s t _d a t a ３
));㊀㊀㊀．．．．．．
}
５㊀数据测试结果
(１
)倾角传感器数据.双轮竞速自平衡小车在赛道上运行呈平稳态时，倾角传感器测量的姿态数据如图６所示
.
图６㊀小车平稳时的姿态数据图
(２)视觉传感器数据.视觉传感器O V ７６７０检测
赛道左右边线位置时的二值图像及数据如图７所示.
图７㊀O V ７６７０检测赛道左右边线数据图
(３
)卡尔曼滤波效果.对陀螺仪㊁加速度计传感器进行卡尔曼滤波处理后，最终数据融合后的曲线如图８所示.
图８㊀卡尔曼滤波后数据融合图
(４
)中控系统管理界面.中控系统接收双轮竞速自平衡小车发来的姿态数据，控制管理界面如图９所示
.
图９㊀中控系统显示运行姿态数据界面图
６㊀结语
基于视觉的双轮竞速自平衡小车有效实现了自平衡运动姿态㊁运动方向㊁运动平稳性的高效㊁精准控制，不但姿态倾角精准；而且运动平稳性好㊁转弯半径
小 可达零转弯半径，前进后退切换自如，因而可以广泛应用于实验教学和更多领域的研究.
(下转第１７１页)
４
６１实㊀验㊀技㊀术㊀与㊀管㊀理
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议