《智能汽車設計實踐.ppt》由會員分享，可在線閱讀，更多相關《智能汽車設計實踐.ppt（71頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、第7章 智能汽車設計實踐攝像頭型設計,,,第7章 智能汽車設計實踐攝像頭型設計,兩種檢測方案的比較,表7.1 兩種檢測方案的比較,第7章 智能汽車設計實踐攝像頭型設計,圖像采集傳感器可分為CCD型和CMOS型，其中CMOS型攝像頭工藝簡單，價格便宜，對于識別智能車賽道這樣的黑白二值圖像能力足夠，因此，我們以下主要以CMOS型攝像頭為例，介紹基于攝像頭方案的智能車詳細設計。,第7章 智能汽車設計實踐攝像頭型設計,7.1 機械設計,同光電管方案比起來，攝像頭方案機械設計的不同主要體現(xiàn)在攝像頭傳感器的安裝上，而舵機及車速檢測單元的安裝基本同光電管一樣。下面我們將重點介紹攝像頭傳感器安裝這一問題。 攝

2、像頭的作用是檢測道路的信息，相當于人的眼睛，其視野范圍和前瞻距離決定了小車的過彎性能和速度。所以攝像頭的安裝方式要適當。攝像頭的安裝方案有兩種：一種是正向安裝，另一種是旋轉90安裝。,7.1 機械設計,圖像采集是智能車設計的一個技術難點。普通圖像傳感器通過行掃描方式，將圖像信息轉換為一維的視頻模擬信號輸出。由于S12的A/D轉換器采集速度較低，進行10位A/D轉換所需要的時間為7 s。這樣，采集的圖像每行只有8個像素，圖像的水平分辨率很低。倘若在此基礎之上就進行智能車的路徑識別，則很可能漏檢寬度僅2.5 cm的黑色引導線，從而導致某些控制決策因無法獲取足夠精度的路徑信息而失效。但同時，S12每

3、場圖像大約可以采集300行左右的圖像信息，故圖像的垂直分辨率相對較高。,7.1 機械設計,而按照大賽采用跑道的形狀特點，這些跑道都是由直線和圓弧組成的，檢測車模前方一段路徑參數(shù)，只需要得到中心線上35個點的位置信息就可以估算出路徑參數(shù)，如位置、方向和曲率等。通過圖像中的若干行信息就可以檢測出這排點的位置，故所需的檢測圖像應該是水平分辨率高，垂直分辨率低。,7.1 機械設計,倘若正向安裝攝像頭，盡管水平方向的視野開闊一些，不至于迷失黑線跑出賽道。但實際采集到的圖像是水平分辨率低，垂直分辨率高，與所需的檢測圖像要求剛好相反。 為了保證不漏檢黑色引導線，正向安裝就需要提高水平方向的分辨率，這就需要大

4、大提高MC9S12DG128單片機的A/D采樣頻率，導致MC9S12DG128超頻使用。單片機超頻使用會影響系統(tǒng)穩(wěn)定性，容易發(fā)生程序失穩(wěn)的現(xiàn)象。 除此之外，由于正向安裝采集到的圖像寬度大，長度短，致使智能車容易看到賽道邊緣以及地面，產(chǎn)生較大的干擾，而且對底端的圖像信息丟失也過多，大大影響過彎速度。,7.1 機械設計,倘若將CMOS攝像頭旋轉90安裝，輸出的圖像信息也將旋轉90，通過S12的A/D轉換器采集的圖像信息，水平分辨率與垂直分辨率會發(fā)生互換，從原來的水平分辨率低、垂直分辨率高的圖像變成水平分辨率高、垂直分辨率低的實際圖像，正好符合道路參數(shù)檢測模型的要求。 在同樣保證90 cm的前瞻下，

5、底端的寬度有22 cm左右，頂端65 cm，可以達到避免地面干擾的效果。同時底端僅有不到20 cm的圖像丟失，而且攝像頭的俯角相對較小，可以克服反光的問題，這樣過彎道的時候會有安全保障。,7.1 機械設計,此外，攝像頭所架的高度一定要適宜。架得過高會導致小車的視野過大，看到的黑線變得太細，還會導致智能車的重心太高，使智能車快速過彎時容易翻車；架得太低又會影響前瞻，帶來反光的問題，影響采樣。合適的高度要既滿足小車的重心要求，又保證前瞻距離。 安裝攝像頭的底座和支桿應使用剛度大、質(zhì)量輕的材料，以防晃動。,7.2 硬件設計,在攝像頭方案中，由于車速檢測模塊、舵機控制單元及直流驅(qū)動電機控制單元同光電管

6、方案相同，以下對路徑識別單元、HCS12控制核心及電源管理單元做簡要介紹。,7.2 硬件設計,7.2.1 HCS12控制核心 7.2.2 電源管理單元 7.2.3 路徑識別單元,7.2.1 HCS12控制核心,HCS12控制核心單元既可以直接采用組委會提供的MC9S12EVKX電路板，也可以自行購買MC9S12DG128單片機，然后量身制作適合自己需要的最小開發(fā)系統(tǒng)。,7.2.1 HCS12控制核心,在攝像頭方案中，其I/O口具體分配如下： PAD1用于攝像頭視頻信號的輸入口； IRQ（PE1引腳）用于攝像頭行同步信號的輸入捕捉； PM0用于攝像頭奇-偶場同步信號的輸入口； PT0用于車速檢測

7、的輸入口； PB口用于顯示小車的各種性能參數(shù)； PWM0（PP0引腳）與PWM1（PP1引腳）合并用于伺服舵機的PWM控制信號輸出； PWM2（PP2引腳）與PWM3（PP3引腳）合并用于驅(qū)動電機的PWM控制信號輸出（電機正轉）； PWM4（PP4引腳）與PWM5（PP5引腳）合并用于驅(qū)動電機的PWM控制信號輸出（電機反轉）。,7.2.1 HCS12控制核心,具體的對應引腳詳見圖7.1,,圖7.1 112引腳封裝的MC9S12DG12B單片機引腳圖,7.2.2 電源管理單元,同光電管方案比較，攝像頭方案的電源管理單元就顯得復雜得多。根據(jù)系統(tǒng)各部分正常工作的需要，各模塊的電壓值可分為2.5 V,

8、 5 V, 6.5 V, 7.2 V, 12 V五個擋，主要包含以下五個方面：,7.2.2 電源管理單元,（1）采用穩(wěn)壓管芯片LM2576將電源電壓穩(wěn)壓到5 V后，給單片機系統(tǒng)電路、車速檢測的轉角編碼器電路供電，且為后面的升壓降壓做準備； （2）經(jīng)過一個二極管降至6.5 V左右后供給轉向伺服電機； （3）直接給直流驅(qū)動電機、驅(qū)動芯片MC33886電路供電； （4）采用升壓芯片B0512S將5 V電壓升壓到12 V后，給攝像頭供電； （5）采用穩(wěn)壓芯片LT1764將5 V電壓穩(wěn)壓到2.5 V后，作為單片機A/D模塊參考電壓。,7.2.2 電源管理單元,由于穩(wěn)壓芯片LM2576的額定輸出電流較小，

9、故采用兩片LM2576分別對單片機電路、車速檢測電路供電，以保證系統(tǒng)正常運行。 其電源分配圖如圖7.2所示。,,圖7.2 電源分配圖,7.2.3 路徑識別單元,路徑識別單元是智能車控制系統(tǒng)的輸入采集單元，其優(yōu)劣直接影響智能車的快速性和穩(wěn)定性。在攝像頭方案中，其前瞻距離及檢測到的賽道信息是紅外線光電管方案遠不能比擬的，但其軟、硬件設計也較紅外線光電管方案難。,7.2.3 路徑識別單元,要能有效地采樣攝像頭視頻信號，首先要處理好的技術問題就是能提取出攝像頭信號中的行同步脈沖、消隱脈沖和場同步脈沖。否則，單片機將無法識別所接收到的視頻信號處在哪一場，也無法識別是在該場中的場消隱區(qū)還是視頻信號區(qū)，更無

10、法識別是在視頻信號區(qū)的第幾行。,7.2.3 路徑識別單元,要處理好行同步脈沖和場同步脈沖提取的問題，有以下兩種可供參考的方法。 方法一：直接采用A/D轉換進行提取。當攝像頭信號為行同步脈沖、消隱脈沖或場同步脈沖時，攝像頭信號電平就會低于這些脈沖模式之外時的攝像頭信號電平。據(jù)此，可設一個信號電平閾值來判斷A/D轉換采樣到的攝像頭信號是否為行同步脈沖、消隱脈沖或場同步脈沖。 方法二：就是給單片機配以合適的外圍芯片，此芯片要能夠自己提取出攝像頭信號的行同步脈沖、消隱脈沖和場同步脈沖，以供單片機控制之用。,7.2.3 路徑識別單元,倘若采用第一種方法，則無需配以外部芯片，在硬件上就可以較為簡便。然而，

11、此方法在智能車控制系統(tǒng)的設計中存在兩大局限性。 其一，S12的A/D轉換時間還不夠短，在不超頻的情況下，該單片機的A/D轉換時間最短為7 s，而行同步脈沖一般只有4.7 s左右的持續(xù)時間，大多數(shù)消隱脈沖更只有3.5 s的持續(xù)時間，持續(xù)時間都小于7 s，所以A/D轉換很有可能漏檢行同步脈沖或消隱脈沖。一旦漏檢一兩個脈沖，就會使攝像頭視頻采樣的效果大打折扣。,7.2.3 路徑識別單元,其二，在智能車控制系統(tǒng)中，S12除負責攝像頭視頻采樣方面的處理之外，還要負責黑色引導線的提取、方向速度控制等方面的處理，但畢竟MC9S12DG128 的處理能力還是有限的，若采用此方法，會使得在視頻采樣上花費較多的S

12、12處理資源，這樣攝像頭視頻采樣本身的效率較低。此外，黑色引導線的提取、方向速度控制等方面的設計也會局限于所剩余的單片機處理資源。,7.2.3 路徑識別單元,倘若采用第二種方法，則需要配以專門的外圍芯片。雖然硬件上相對要繁瑣一些，但在資源的合理配置上則大大提高。目前，LM1881視頻同步信號分離芯片就是一款合適的芯片，它提取攝像頭信號的行同步脈沖、消隱脈沖和場同步脈沖，并將它們轉換成數(shù)字式電平直接輸給單片機的I/O口作為控制信號。其硬件連接圖如圖7.3所示。,7.2.3 路徑識別單元,,圖7.3 攝像頭采樣電路圖,7.2.3 路徑識別單元,攝像頭視頻信號端接LM1881的視頻信號輸入端，同時也

13、接入S12的一個A/D轉換器口（選用PAD1）。 LM1881的行同步信號端（引腳1）接入S12的一個外部中斷IRQ口。 LM1881的奇-偶場同步信號輸出端接S12的普通I/O口即可（選用PORTM0）。,7.3 軟件設計,在攝像頭方案智能車控制系統(tǒng)的軟件設計中，程序的主流程是：通過外部中斷采集程序?qū)z像頭的視頻信號進行采集，主程序在兩次外部中斷的間隙中完成對數(shù)據(jù)進行處理及計算并給出控制量，采樣周期為20 ms。其中，主程序主要完成的任務是：單片機初始化和黑線提取算法；圖像濾波算法；舵機控制算法及驅(qū)動電機控制算法。,7.3 軟件設計,攝像頭方案具體主程序流程圖如圖7.4所示。,,圖7.4 攝

14、像頭方案具體主程序流程圖,7.3 軟件設計,7.3.1 初始化算法 7.3.2 圖像采集算法 7.3.3 黑線提取算法 7.3.4 圖像濾波算法 7.3.5 控制策略及控制算法,7.3.1 初始化算法,1鎖相環(huán)的設置 2脈沖寬度調(diào)制（PWM）初始化 3定時中斷及輸入捕捉通道的初始化 4A/D轉換模塊初始化 5外部中端（IRQ）的初始化,1鎖相環(huán)的設置,通過設置鎖相環(huán)，可以改變單片機的時鐘頻率。在MC9S12單片機中，靠鎖相環(huán)產(chǎn)生的時鐘頻率由下面的公式得到： 式中，OSCCLK是外部晶體振蕩時鐘頻率，一般為8 MHz或16 MHz；SYNR是時鐘合成寄存器；REFDV是時鐘分頻寄存器。,,(7.

15、1),2脈沖寬度調(diào)制（PWM）初始化,PWM是用于舵機和驅(qū)動電機的控制，在MC9S12單片機中，其初始化主要包括以下六大步驟：禁止PWM；選擇時鐘；選擇極性；選擇對齊模式；對占空比和周期編程；使能PWM通道。,3定時中斷及輸入捕捉通道的初始化,定時中斷及輸入捕捉通道主要用于產(chǎn)生周期中斷以進行速度采集，其初始化工作主要包括：設定預分頻系數(shù)；定時器溢出中斷使能；定時器使能。其中斷函數(shù)主要包括：清標志位；用戶自己的代碼。,4A/D轉換模塊初始化,A/D轉換模塊主要用于視頻信號的采集，將模擬的視頻電壓信號轉換成對應的數(shù)值，以便于后面的黑線提取算法實現(xiàn)。,5外部中斷（IRQ）的初始化,IRQ主要用于捕捉

16、視頻信號的行同步信號，產(chǎn)生外部中斷以進行圖像采集。,7.3.2 圖像采集算法,圖像信號采集作為整個控制算法的基礎，具有舉足輕重的地位，同時也是智能車軟件設計的一個技術難點。其設計得好壞與否，直接關系到智能車的整體性能。,7.3.2 圖像采集算法,通常，攝像頭產(chǎn)品說明書上會給出有效像素和分辨率，分辨率即為每場信號中真正為視頻信號的行的數(shù)目。但產(chǎn)品說明書上通常不會具體介紹視頻信號行的持續(xù)時間、它們在每場信號中的位置、行消隱脈沖的持續(xù)時間等參數(shù)，而這些參數(shù)又關系到圖像采樣的有效實現(xiàn)。因此需要設計軟、硬件方法實際測量一下這些參數(shù)。以下給出上海交通大學代表隊通過實驗測出的1/3 OmniVision C

17、MOS攝像頭時序參數(shù)以供參考，如表7.2所示。,7.3.2 圖像采集算法,表7.2 1/3 OmniVision CMOS攝像頭的時序參數(shù),7.3.2 圖像采集算法,考慮到實際賽道只是在白色KT板上布置黑色引導線，路徑識別只需大致提取出黑色引導線即可，不必每行采集。因此，我們可以采用隔行采集思想來壓縮圖像的數(shù)據(jù)。 實踐證明，智能車控制系統(tǒng)的圖像傳感系統(tǒng)在單一方向上只要有40像素的分辨能力就足夠用了。故我們只需對這288 行視頻信號中的某些行進行采樣就可以了。,7.3.2 圖像采集算法,假設每場采樣40行圖像數(shù)據(jù)，為了方便軟件程序的編寫，可以均勻地采樣288行視頻信號中的40行，即每隔7個有效行

18、采集一行。例如采樣其中的第7行、第14行、第21行、、第273行、第280行，即采樣該場信號的第29行、第36行、第43行、、第295行、第302行（每場開始的前22行視頻為場消隱信號）。,7.3.2 圖像采集算法,此外，為了進一步解決圖像數(shù)據(jù)大與HCS12單片機數(shù)據(jù)處理速度有限的矛盾，還可以通過適當?shù)貙12的CPU超頻運行，以及降低A/D轉換器的轉換精度，以提高A/D轉換器的速度，具體實現(xiàn)流程圖（以采集一幅16行40列的圖像為例）如圖7.5所示。,7.3.2 圖像采集算法,,圖7.5 圖像采集程序流程圖,7.3.2 圖像采集算法,圖7.5中，數(shù)據(jù)轉存由于是在CMOS攝像頭安裝時旋轉90后使

19、用的，故在圖像采集后應將其還原，以方便后面的圖像處理。具體是通過設置VideoLinei和VideoImageij兩個數(shù)組來實現(xiàn)的。,7.3.3 黑線提取算法,由于智能車系統(tǒng)對實時性的要求很高，過于復雜的黑線提取算法，會導致決策周期溢出，使程序崩潰，所以必須采用簡單高效的圖像識別算法。 上海交通大學代表隊將常用的黑線提取算法劃分為二值化算法、直接邊緣檢測算法和跟蹤邊緣檢測算法。,7.3.3 黑線提取算法,1二值化算法 2直接邊緣檢測算法 3跟蹤邊緣檢測算法,二值化算法,二值化算法的思路是：設定一個閾值valve，對于視頻信號矩陣中的每一行，從左至右比較各像素值和閾值的大小，若像素值大于或等于閾

20、值，則判定該像素對應的是白色賽道；反之，則判定對應的是黑色的目標引導線。記下第一次和最后一次出現(xiàn)像素值小于閾值時的像素點的列號，算出兩者的平均值，以此作為該行上目標引導線的位置。 該算法的思想簡單，但是這種提取算法的魯棒性較差，當拍攝圖像中只有目標引導線一條黑線時，尚能準確提取出該目標引導線，但當光強有大幅度變化或圖像中出現(xiàn)其他黑色圖像的干擾時，該算法提取的位置就有可能與目標引導線的實際位置偏離較大。,2直接邊緣檢測算法,采用逐行搜索的算法，首先找到從白色像素到黑色像素的下降沿和從黑色像素到白色像素的上升沿，然后計算上升沿和下降沿的位置差，如果大于一定的標準值，即認為找到了黑線，并可求平均值算

21、出黑線的中心點。,2直接邊緣檢測算法,至于上升沿、下降沿的檢測，可以通過上上次采樣數(shù)與這次采樣數(shù)的差值的絕對值是否大于一個閾值來判斷，如果“是”且差值為負，則為上升沿；如果“是”且差值為正，則為下降沿。 這里，閥值可以根據(jù)經(jīng)驗設定，基本上介于3046之間（當A/D模塊的參考電壓為2.5 V時），也可以采用全局自適應法設定，每次采樣后首先都遍歷一次圖像，得到圖像灰度值的平均值，然后用這個平均值乘以一個調(diào)試系數(shù)即可得到所要的閾值。,2直接邊緣檢測算法,該算法較二值化方法而言，抗環(huán)境光強變化干擾的能力更強，同時還能削弱或消除垂直交叉黑色引導線的干擾。,3跟蹤邊緣檢測算法,由于黑色的目標引導線是連續(xù)曲

22、線，所以相鄰兩行的左邊緣點比較靠近。跟蹤邊緣檢測正是利用了這一特性，對直接邊緣檢測進行了簡化。其思路是：若已尋找到某行的左邊緣，則下一次就在上一個左邊緣附近進行搜尋。這種方法的特點是始終跟蹤每行左邊緣的附近，去尋找下一列的左邊緣，所以稱為“跟蹤”邊緣檢測算法。,3跟蹤邊緣檢測算法,該算法的優(yōu)點：在首行邊緣檢測正確的前提下，該算法具有較強的抗干擾性，能更有效地消除垂直交叉黑色引導線的干擾，以及引導線外黑色圖像的影響，始終跟蹤目標引導線。另外，較之前兩種算法，跟蹤邊緣檢測算法的時間復雜度更低，因此效率更高。 但該算法的問題在于：由于是在連續(xù)鄰域上跟蹤引導線邊緣，若第一行左邊緣位置的檢測位置和實際導

23、引線偏差較大，就會產(chǎn)生一連串的錯誤，甚至造成智能車失穩(wěn)。,3跟蹤邊緣檢測算法,綜上所述，從算法的簡潔性和實用性綜合考慮，直接邊緣檢測算法相對于其他兩種算法是一個較好的選擇。,7.3.4 圖像濾波算法,雖然采用了邊緣檢測的方法進行黑線提取，但由于賽道對小車有十字交叉線的干擾、光線對小車有反光的影響、小車本身也存在視野狹窄的缺陷，故用黑線提取算法得到的路徑信息有可能錯誤，不能如實地反映賽道情況。為了不導致決策失誤，必須對圖像加以濾波，并且對錯誤數(shù)據(jù)適當?shù)剡M行校正。,7.3.4 圖像濾波算法,在圖像濾波算法中，主要應考慮以下幾個方面： 首先，根據(jù)圖像模型去噪，例如，由于賽道的黑色引導線是絕對連續(xù)的，

24、故兩個中間有黑線的行之間不能有全白行（注意中間二字：如果黑線在邊緣，則可能是由于攝像頭的視野太窄或智能車身不正導致在過彎道時只能看到部分黑色引導線），這主要是解決光線對攝像頭的反光問題； 其次，在理想的情況下，根據(jù)賽道的黑色引導線的連續(xù)性，如果某一行求取的中心線位置與相鄰的兩行都相差很大，則可以認為該行數(shù)值錯誤，拋棄該行的數(shù)據(jù)或使用其前后兩行數(shù)據(jù)的平均值來替代該錯誤數(shù)值用以校正。,7.3.4 圖像濾波算法,在調(diào)試過程中會出現(xiàn)兩段黑線情況，這種圖像信息比較復雜，這時可能存在三種路況： （1）賽道比較密集時，檢測到多條賽道； （2）大“S”彎道； （3）“十”字交叉道。 處理策略為：保留最底下的一

25、段，這主要是從安全角度考慮的，防止賽道周圍環(huán)境對小車的干擾。,7.3.4 圖像濾波算法,另外，由于智能車上安裝的攝像頭相對于賽道存在一定的傾斜角度，因此會造成采集到的賽道圖像具有一定的梯形失真，即圖像中的賽道遠端窄、近端寬，因而也會對路徑的正確識別產(chǎn)生影響。對于這種失真，可以通過對每行提取的賽道位置添加一個線性修正值來消除，一般通過實驗的方法確定線性補償?shù)南禂?shù)。,7.3.5 控制策略及控制算法,1賽道參數(shù)的計算 2轉向控制 3速度控制,1賽道參數(shù)的計算,影響賽車速度成績的一個重要因素就是對彎道和直道的提前識別判斷，從而實現(xiàn)安全過彎，快速過直道、S彎道，以提高比賽成績。而攝像頭方案在這方面有天然

26、的優(yōu)勢：相對于光電管傳感器，可以獲得較遠的路徑信息；不僅可以得到單行的黑線信息，還可以同時獲得多行的黑線信息。經(jīng)過圖像處理算法后，得到的信息是關于前瞻范圍內(nèi)的黑線的具體位置，它一般是一個二維數(shù)組lineposij。現(xiàn)在就是要從這個二維數(shù)組中提取出智能車前方的路徑信息，以便于后面轉向和速度的控制。,1賽道參數(shù)的計算,（1）偏差的計算 （2）曲率的計算,（1）偏差的計算,為了使小車運行得快而穩(wěn)，聯(lián)想到光電管方案可以從一維數(shù)組lineposj中提煉出一個黑線距離車身中心軸的偏差量Offset，要求出這個偏差量必須至少考慮三個因素： 最遠行黑線位置linepostopline 黑線平均位置averli

27、nepos 全白行行數(shù)whiteline_sum,（2）曲率的計算,從理論上講，相對于偏差量Offset，曲率是智能車更好的一個控制變量。但由于路徑檢測單元的局限性，很難計算出非常精確的曲率。 如果用曲率值進行智能車方向及速度的輔助控制，還是能夠起到一定的效果的。,2轉向控制,轉向控制采用了分段比例和前饋補償相結合的控制方法。 （1）分段比例控制 （2）前饋補償控制,（1）分段比例控制,因為小車處于彎道和直道的轉向模型不同，若采用統(tǒng)一的比例系數(shù)設置，那么該系數(shù)過大會導致小車振蕩，過小會導致最大控制量偏小，小車轉向不足，過彎時易沖出賽道。使用分段比例控制既方便又可以解決以上兩種問題。,（2）前饋

28、補償控制,由于CMOS方案不像光電管方案，它存在圖像失真的情況，越遠地方的圖像失真越厲害，而對于計算offset偏差量來說，越遠的路徑信息越有參考價值，故其比重也相對較大。這樣，就導致小車轉向微調(diào)時的效果往往不太如人意。 鑒于此，在小車前述的分段比例控制基礎上又加入了前饋補償控制進行微調(diào)。,3速度控制,（1）模糊控制設定速度 （2）PID控制調(diào)整速度,（1）模糊控制設定速度,因為小車比賽的賽道是未知的，彎道的分布情況也不能確定，小車可能頻繁地進出彎道，不停地調(diào)整速度來適應不同軌跡。這樣就難以建立精確的數(shù)學模型，且賽車對動態(tài)性能的要求較高 考慮到該款S12單片機有一套特色指令模糊控制指令，執(zhí)行時

29、間只有幾十微妙級（時鐘頻率為25 MHz），不會影響決策周期，且簡單易行，而模糊控制具有處理不明確信號的能力，故可以采用模糊控制設定速度。,（1）模糊控制設定速度,1）模糊輸入、輸出量的選取 2）隸屬函數(shù)的確定 3）模糊規(guī)則庫的建立 4）模糊推理及解模糊化,（2） PID控制調(diào)整速度,速度調(diào)整要求對智能車的速度的調(diào)整既要快速，又要準確，而且不能頻繁波動。故采用PID控制算法不失為一種簡單而有效的策略。,（2） PID控制調(diào)整速度,考慮到攝像頭方案的控制周期較長，假設按2.5 m/s的平均速度計算，則一個控制周期小車大概可以跑過5 cm，如果按這種周期用上述PID調(diào)節(jié)速度，則會導致加速、減速均過長的后果，嚴重地影響小車的快速性和穩(wěn)定性。 為了解決這個問題，可以在PID調(diào)速控制中加入BANG-BANG控制思想。,思考題,1攝像頭型智能車相對于光電管型智能車的優(yōu)勢體現(xiàn)在何處？ 2攝像頭型智能車相對于光電管型智能車的優(yōu)勢體現(xiàn)在何處？ 3若賽道中的一段出現(xiàn)空白，攝像頭型智能車如何識別路徑，并保持正確的行進方向？,思考題,4攝像頭型智能車如何區(qū)分賽道中的十字交叉線與賽道的起始端線？ 5簡述在機械安裝中，攝像頭裝配高度和裝配俯角大小對智能車行駛的影響。,