京东采购销售加薪直播
06-18
要实现一个完整的基于摄像头的智能汽车，第一步是将摄像头输出的模拟信号通过单片机的A/D转换采集到单片机中。
芯片计算机，然后对采集到的原始图像数据进行处理，得到轨迹中心黑线在图像坐标系中的位置。
接下来，处理后的图像信息必须用于控制智能车。
目前，各参赛队使用最多的横向控制（转向控制）是PID控制。
采用PID控制方法，不需要对相机进行严格标定，因为只需将图像坐标系中黑线的位置偏差乘以相应的PID系数，即可作为转向控制规律。
对于PID系数，可以通过简单的实验调试来获得合适的值。
正因为如此，PID控制方法简单，易于实现。
PID控制方法有其局限性。
其最大的局限性是无法很好地控制智能车的行驶路线（简称“路由”）。
PID参数的变化会引起汽车接线的变化。
即使PID参数相同，较高或较低的汽车速度也会导致汽车接线的变化。
这样，由于赛车走线的不确定性，为了防止赛车在比赛过程中冲出赛道，我们只能尽量控制赛车完全沿着线路行驶，这样赛车才能有左右两侧有足够的轨道余量。
但另一方面，完全遵循轨道中心黑线的对齐方式可能不是最佳对齐方式。
例如，在某些特殊路段走捷径可能会使路线更加优化，从而提高比赛成绩。
下面要介绍的预测控制策略就是为了达到使汽车布线尽可能优化的目的。
基本思想 预测控制的基本思想是：在每个控制周期中，通过摄像头获取汽车前方某一区域黑线的位置信息——与PID控制不同方法中，预测控制有更多的摄像机标定步骤是将图像坐标系中的黑线位置转换为世界坐标系中的位置——然后规划一条更优化的路线，这成为期望的路线。
然后根据小车的运动学模型和转向模型就可以确定（解决优化问题的一个过程）。
在接下来的几个控制周期中，当顺序取角度控制量时，轿厢路线可以最接近规划的方案。
预期的线路。
仅选择计算出的当前控制周期的旋转角控制量作为实际旋转角控制量。
在下一个循环中，将再次进行上述规划和优化求解过程，并继续这个循环。
具体介绍如下。
相机校准 由于布线规划的原因，必须获取黑线的实际位置信息。
通过相机获得的只是黑线在图像坐标系中的位置。
因此，我们首先要找到图像坐标系到世界坐标系的变换关系。
这种变换关系是仿射变换关系。
我们可以预先写出这个变换关系的形式，然后取一些校准样本点，通过计算来校准。
以关系形式转换各个参数。
由于相机标定不是本文的重点，且限于篇幅，具体细节这里不再讨论。
电缆布线规划 在赛车比赛中，布线选择的好坏可以作为评价车手水平的标准。
在智能汽车竞争中，布线选择的质量也非常重要。
对于不同类型的轨道甚至轨道组合，路线的选择不仅要考虑路线的长度，还要考虑相应的速度限制。
因此，如何路由是一个值得研究的问题。
在各种路线规划策略中，最简单、最有效的思路之一就是“走捷径”。
所谓捷径，就是让小车在赛道上沿着尽可能短的路线行驶，而不跑出赛道。
两种最典型的走捷径方式如图1所示，即蛇形道路上的捷径（a）和单向弯道（b）。
图1智能车走捷径的两种方式 运动学模型和转向模型 运动学模型是描述智能车位置、航向角和前轮转角之间动态关系的模型。
转向模型是描述前轮转角本身变化时的动态关系的模型。
运动学模型和转向模型可以用以下状态方程的形式描述： 其中，x和y表示智能车的位置，ψ表示航向角，δ表示前轮转角，c= v/L（L为轴距轴距），a=-1/T0（T0为转向舵机响应时间常数）。
最优转角控制量的解 为了描述方便，假设当前控制周期为kT周期，并假设kT、(k)T、...的转角控制量， (k+m)T周期依次为：u(k),u(k+1),...,u(k+m)，假设(k+m)T周期后的转向角控制量为零（即车辆前轮朝前）。
根据运动学模型和转向模型，可以确定智能车任意时刻的位置。
假设计算出智能车在kT,(k)T,...,(k+P)T周期（通常P>m）（即未来（P）周期内）的位置为（x (k),y(k)), (x(k),y(k)),…,(x(k+P),y(k+P))。
路径规划时已预先确定了所需线路的位置，因此可以计算出智能车在未来（P）周期的每个周期中与所需线路的位置偏差，记为d（k），d（ k), ..., d(k+P)。
取正定性能指标： J反映了智能车实际接线（模型预测）与预期接线的相似度。
J越小，实际布线越接近预期布线。
可以看出，u(k),u(k),...,u(k+m)的每组值都会对应J的一个具体值。
通过一些数值优化方法，得到一组u(k),u(k),...,u(k+m)的值u0(k),u0(k),...,可以确定u0(k+m)，使得性能指标J取最小值。
然后，将u0(k)作为kT周期内实际传递的控制量，u0(k+1)，...，u0(k+m)将被丢弃。
在(k)T周期内，重复布线规划和上述最优数量获取过程，然后仅将所获取的(k)T周期的转角控制量作为该系统的实际转角控制量。
时期。
重复上述过程。
结论 采用预测控制策略可以更有效地利用摄像头获得的丰富的轨迹信息，可以更准确地控制小车的行驶路线，使小车在一些特征路段能够遵循更好的路线。
继续前进，节省时间并提高您的游戏性能。
由于单片机的计算能力有限，在实现预测控制策略时可以做一些简化，比如假设接下来(m)个周期的转角控制量具有相同的值，即u(k)= u(k )=...=u(k+m)，可以大大减少计算量，但仍然取得良好的性能。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-17
06-18
06-17
06-17
最新文章
PCBA质检员的日常工作内容
美国法院裁定VoIP不属于电信服务，需征税
雷达嵌入式工控主板如何使用？工控主板故障分析
摩托罗拉在西班牙促销Z8手机
中宇买下了一台三星机型，品牌和规模是合作的主要原因
舰载军用加固计算机热设计
谷歌开始对仍由HTC生产的谷歌手机进行内部测试
英国EE分享LTE发展经验教训，面临终端-语音-回传三大挑战