機(jī)器人畢業(yè)設(shè)計(jì)

1、第一章 緒論1.1機(jī)器人概述.11.2.21.3.41.45第二章 系統(tǒng)架構(gòu)與相關(guān)技術(shù)基礎(chǔ)2.1 硬件設(shè)計(jì) 處理器 CCD 超聲波2.2圖像的基本知識2.3多傳感器信息融合2.4 路徑規(guī)劃第三章 投籃機(jī)器人總體結(jié)構(gòu)設(shè)計(jì).3.1 題目分析3.2 總體設(shè)計(jì)第四章 算法設(shè)計(jì)4.1 路徑識別4.2 SIA第五章 軟件實(shí)現(xiàn)與仿真.73致謝.72參考文獻(xiàn).73附錄.73第一章 緒論1.1機(jī)器人概述機(jī)器人綜合了多學(xué)科的發(fā)展成果，代表了高技術(shù)的發(fā)展前沿，其在人類生活應(yīng)用領(lǐng)域的不斷擴(kuò)大引起國際上重新認(rèn)識機(jī)器人技術(shù)的作用和影響。隨著計(jì)算機(jī)技術(shù)和人工智能技術(shù)的飛速發(fā)展，機(jī)器人在功能和技術(shù)上有了極大的提高，移動(dòng)機(jī)器人

2、、機(jī)器人視覺和觸覺等技術(shù)就是其中的典型代表。同時(shí)，這些技術(shù)的發(fā)展，也推動(dòng)了機(jī)器人概念的延伸。對于機(jī)器人的概念和定義，由于研究的側(cè)重點(diǎn)不同，國際上目前尚未有明確的統(tǒng)一標(biāo)準(zhǔn)。綜合各種定義，可將機(jī)器人理解為:機(jī)器人是一種在計(jì)算機(jī)控制下的可編程的自動(dòng)機(jī)器，根據(jù)所處的環(huán)境和作業(yè)需要，它具有至少一項(xiàng)或多項(xiàng)擬人功能，另外還可能在不同程度地具某些環(huán)境感知能力(如視覺、力覺、觸覺、接近覺等)，以及語言功能乃至邏輯思維、判斷決策功能等，從而使它能在要求的環(huán)境中代替人進(jìn)行作業(yè)。機(jī)器人一般由以下部分組成:(1)機(jī)械主體部分(2)驅(qū)動(dòng)伺服單元 (3)計(jì)算機(jī)控制系統(tǒng) (4)傳感系統(tǒng)(5)輸入輸出系統(tǒng)接口毋庸置疑，未來機(jī)器

3、人將擁有廣泛的應(yīng)用領(lǐng)域，例如在醫(yī)療服務(wù)，社會(huì)服務(wù)，家庭服務(wù)等等。1.4論文結(jié)構(gòu)概述第二章 系統(tǒng)架構(gòu)與相關(guān)技術(shù)基礎(chǔ)2.1 硬件平臺本設(shè)計(jì)是通過硬件實(shí)現(xiàn)的，投籃機(jī)器人是由處理器，傳感器及相關(guān)的機(jī)械部分構(gòu)成的，實(shí)現(xiàn)路徑識別和灌籃的動(dòng)作。Atmega16Atmega32CCD超聲波電機(jī)液晶串口通信光電編碼器 處理器為了提高處理速度和設(shè)計(jì)的靈活性，機(jī)器人采用了兩塊處理器。每個(gè)處理器既有各自的功能，又有相互通信，實(shí)現(xiàn)并行和協(xié)作的功能。ATMEL公司的ATMEGA32芯片提供機(jī)器人的視覺處理能力，ATmega32是基于增強(qiáng)的AVR RISC結(jié)構(gòu)的低功耗8位CMOS微控制器。由于其先進(jìn)的指令集以及單時(shí)鐘周期指

4、令執(zhí)行時(shí)間，ATmega32 的數(shù)據(jù)吞吐率高達(dá) 1MIPS/MHz，從而可以緩減系統(tǒng)在功耗和處理速度之間的矛盾。因?yàn)樵撔酒休^大的內(nèi)存和較快的處理速度，比較適合做簡單的圖像處理芯片，該處理器的功能主要有：控制CCD，處理圖像，識別路徑，控制液晶顯示。ATMEGA16芯片是高性能、低功耗的 8位AVR微處理器有先進(jìn)的RISC結(jié)構(gòu)，131 條指令 大多數(shù)指令執(zhí)行時(shí)間為單個(gè)時(shí)鐘周期，32 個(gè)8 位通用工作寄存器，全靜態(tài)工作，工作于16 MHz 時(shí)性能高達(dá)16 MIPS，只需兩個(gè)時(shí)鐘周期的硬件乘法器，非易失性程序和數(shù)據(jù)存儲(chǔ)器，16K 字節(jié)的系統(tǒng)內(nèi)可編程 Flash。因此該芯片適合做控制器。ATMEGA

5、16的功能為：控制超聲波傳感器，光電編碼器，電機(jī)控制。 CCDOV7670 CAMERACHIPTM圖像傳感器，通過SCCB 總線控制，可以輸出整幀、子采樣、取窗口等方式的各種分辨率8位影響數(shù)據(jù)。該產(chǎn)品VGA圖像最高達(dá)到30幀/秒。用戶可以完全控制圖像質(zhì)量、數(shù)據(jù)格式和傳輸方式。所有圖像處理功能過程包括伽瑪曲線、白平衡、飽和度、色度等都可以通過SCCB接口編程。感光陣列640X480，IO電壓2.5V to 3.0V (內(nèi)部LDO給核供電1.8V)。CCD的功能為：提供機(jī)器人視覺，為路徑識別和顏色識別提供硬件平臺。 CCD攝像機(jī)的工作原理是：當(dāng)光線經(jīng)過鏡頭匯聚成像在攝像機(jī)上時(shí)，每個(gè)光敏單元會(huì)因感

6、受到的光強(qiáng)的不同而耦合出不同數(shù)量的電荷，通過譯碼電路可取到每一個(gè)光敏單元上耦含出的電荷而形成電流信號，該電流信號即對應(yīng)一個(gè)像素，上百萬個(gè)像素電流信號的集合，即構(gòu)成了用電信號表示的圖像。 超聲波超聲波是指頻率在20KHZ以上，不能引起正常人聽覺反應(yīng)的機(jī)械振動(dòng)波，是物體的機(jī)械振動(dòng)在彈性介質(zhì)中傳播所形成的機(jī)械波。由于超聲波具有非常短的波長，可以聚集成狹小的發(fā)射線束而呈束狀直線傳播，故傳播具有一定的方向性。超聲波在空氣中的傳播速度為340ms。超聲波在機(jī)器人控制中用來測距實(shí)現(xiàn)避障或?qū)Ш?，?dāng)遇到障礙物時(shí)，發(fā)射的超聲波信號被障礙物反射回來，接收電路接收到反射回的信號引發(fā)單片機(jī)中斷，進(jìn)入中斷服務(wù)程序進(jìn)行處理

7、，從而避開障礙物。用作導(dǎo)航時(shí)，應(yīng)先設(shè)立一個(gè)目標(biāo)物，機(jī)器人實(shí)時(shí)計(jì)算與目標(biāo)物之間的距離，并相應(yīng)的進(jìn)行決策，朝著減小或增大與目標(biāo)物之間距離的方向運(yùn)行，使機(jī)器人在大的方向上不至于走錯(cuò)。本模塊輸出方式為 PWM 方式。利用單片機(jī)從控制口發(fā)一個(gè)10Us以上的高電平，就可以在接收口等待高電平輸出。一有輸出就可以開定時(shí)器計(jì)時(shí)，當(dāng)此口變?yōu)榈碗娖綍r(shí)就可以讀定時(shí)器的值，此時(shí)就為此次測距的時(shí)間,方可算出距離。如此周期性地測量方可移動(dòng)測距。2. 1. 4紅外傳感器為了便于移動(dòng)機(jī)器人順利完成行進(jìn)任務(wù)，機(jī)器人必須使用檢測障礙物的傳感器，為此采用紅外傳感器，主要檢測左前方和右前方的障礙物。它的檢測范圍用戶可以通過調(diào)節(jié)兩個(gè)電位

8、器來調(diào)節(jié)左右兩個(gè)紅外的檢測距離。紅外接收模塊集成了紅外接受管、前置放大器、限幅放大器、帶通放大器、峰值檢波器、整前電路和輸出放大電路，靈敏度很高。有時(shí)從紅外管側(cè)面和后面漏出的紅外光也會(huì)被接受模塊探測到，所以我們預(yù)先將兩個(gè)紅外發(fā)射管和一個(gè)紅外接收器裝在一個(gè)套管里，然后固定在外殼上的，這樣就有效的避免了這種情況的發(fā)生。2.1.5光電編碼器在機(jī)器人轉(zhuǎn)動(dòng)輪的側(cè)面我們設(shè)置了兩個(gè)光電編碼器用來測量機(jī)器人的速度，運(yùn)用紅外發(fā)射接受模塊。反射器(即碼盤)是用圓片制成，將其66等分，黑白相間。當(dāng)輪子旋轉(zhuǎn)帶動(dòng)碼盤旋轉(zhuǎn)時(shí)，黑條和白條交替閃過光電編碼器，即構(gòu)成一組脈沖，總共33個(gè)，每個(gè)脈沖的分辨率約為10. 91 0，

9、假如輪子直徑為65mm，則周長方面的分辨率約為6. 19mm0光電編碼器原理上也是靠發(fā)射與接受紅外光來工作的，由于紅外光照射在黑色輻條會(huì)被吸收，沒有反射光線;而在白色輻條上是有反射信號的，所以我就可以檢測到來自白色條幅的反射信號。2.2 相關(guān)知識3.1.1 工作原理攝像頭分黑白和彩色兩種，為達(dá)到尋線目的，只需提取畫面的灰度信息，而不必提取其色彩信息，作者采用黑白攝像頭以減少單片機(jī)采樣的負(fù)擔(dān)。攝像頭主要由鏡頭、圖像傳感芯片和外圍電路構(gòu)成。圖像傳感芯片是其最重要的部分，但該芯片要配以合適的外圍電路才能工作。將芯片和外圍電路制作在一塊電路板上，稱為“單板”。若給單板配上鏡頭、外殼、引線和接頭，就構(gòu)成

10、了通常所見的攝像頭，如聊天用的攝像頭；若只給單板配上鏡頭，這就是“單板攝像頭”。單板攝像頭日常生活中不多見，生產(chǎn)單板的公司通常將它們賣給其它公司，其它公司再按自己的要求包裝這些單板。攝像頭的工作原理是：按一定的分辨率，以隔行掃描的方式采集圖像上的點(diǎn)，當(dāng)掃描到某點(diǎn)時(shí)，就通過圖像傳感芯片將該點(diǎn)處圖像的灰度轉(zhuǎn)換成與灰度一一對應(yīng)的電壓值，然后將此電壓值通過視頻信號端輸出。具體而言（參見圖3.1），攝像頭連續(xù)地掃描圖像上的一行，則輸出就是一段連續(xù)的電壓信號，該電壓信號的高低起伏反映了該行圖像的灰度變化。當(dāng)掃描完一行，視頻信號端就輸出一個(gè)低于最低視頻信號電壓的電平（如 0.3V），并保持一段時(shí)間。相當(dāng)于緊

11、接著每行圖像信號之后會(huì)有一個(gè)電壓“凹槽”(行同步脈沖)是掃描換行的標(biāo)志。然后，跳過一行后（因?yàn)閿z像頭是隔行掃描的），開始掃描新的一行，如此下去，直到掃描完該場的視頻信號，接著又會(huì)出現(xiàn)一段場消隱區(qū)。該區(qū)中有若干個(gè)復(fù)合消隱脈沖，其中有個(gè)遠(yuǎn)寬于（持持續(xù)時(shí)間長于）其它的消隱脈沖(場同步脈沖)是掃描換場的標(biāo)志。場同步脈沖標(biāo)志著新的一場的到來，不過，場消隱區(qū)恰好跨在上一場的結(jié)尾和下一場的開始部分，得等場消隱區(qū)過去，下一場的視頻信號才真正到來。攝像頭每秒掃描 25 幅圖像，每幅又分奇、偶兩場，先奇場后偶場，故每秒掃描 50 場圖像。奇場時(shí)只掃描圖像中的奇數(shù)行偶場時(shí)則只掃偶數(shù)。圖3.1 攝像頭視頻信號 攝像頭

12、有兩個(gè)重要的指標(biāo)：有效像素和分辨率。分辨率實(shí)際上就是每場行同步脈沖數(shù)，這是因?yàn)樾型矫}沖數(shù)越多，則對每場圖像掃描的行數(shù)也越多。事實(shí)上，分辨率反映的是攝像頭的縱向分辨能力，如圖3.2 所示。有效像素常寫成兩數(shù)相乘的形式，如“320x240”，其中前一個(gè)數(shù)值表示單行視頻信號的精細(xì)程度，即行分辨能力；后一個(gè)數(shù)值為分辨率，因而有效像素=行分辨能力×分辨率。值得注意的是，通常產(chǎn)品說明上標(biāo)注的分辨率不是等于實(shí)際分辨率（即每場行同步脈沖數(shù)），而是等于每場行同步脈沖數(shù)加上消隱脈沖數(shù)之和。因此，產(chǎn)品說明上標(biāo)注的“分辨率”略大于實(shí)際分辨率。要知道實(shí)際的分辨率，就得實(shí)際測量一下。通過S12 單片機(jī)的定時(shí)器

13、模塊對單個(gè)脈沖的下降沿和上升沿間隔、兩相鄰脈沖上升沿間隔進(jìn)行計(jì)時(shí)，可得每行信號和每個(gè)脈沖持續(xù)的時(shí)間。實(shí)際測得所用攝像頭（1/3 Omni Vision CMOS）的時(shí)序參數(shù)見表3.3從測得的結(jié)果可知，該攝像頭掃描的每場中有320 行信號，其中第23 行到310 行是視頻信號，第311 行到下一場的第22 行是場消隱信號。在視頻信號區(qū)，每行信號持續(xù)的時(shí)間相同，約為64us；每行的行同步脈沖持續(xù)時(shí)間也相同，約為4.5us。而在場消隱區(qū)，每行持續(xù)的時(shí)間會(huì)有所變化，每行對應(yīng)的消隱脈沖持續(xù)的時(shí)間，盡管其中大多數(shù)為2.5us 和4.5us，但也有變化。在場消隱區(qū)中，第320 行的消隱脈沖持續(xù)的時(shí)間遠(yuǎn)長于其

14、他消隱脈沖的時(shí)間，此脈沖即為場同步脈沖。2.2.2多傳感器信息融合的基本原理多傳感器信息融合實(shí)際上是對人腦綜合處理復(fù)雜問題的一種功能模擬。在多傳感器系統(tǒng)中，各種傳感器提供的信息可能具有不同的特征：時(shí)變的或者非時(shí)變的，實(shí)時(shí)的或者非實(shí)時(shí)的，瞬變的或者緩變的，模糊的或者確定的，精確的或者不完整的，可靠的或者非可靠的，相互支持的或互補(bǔ)的，也可能是相互矛盾或競爭的。多傳感器信息融合的基本原理就是充分利用多個(gè)傳感器資源，通過對這些傳感器及其觀測信息的合理支配和使用，把多個(gè)傳感器在空間或時(shí)間上的冗余或互補(bǔ)信息依據(jù)某種準(zhǔn)則進(jìn)行組合，以此獲得被測對象的一致性解釋或描述，使該傳感器系統(tǒng)由此而獲得比它的各組成部分的

15、子集所構(gòu)成的系統(tǒng)更優(yōu)越的性能多傳感器信息融合技術(shù)可以對不同類型的數(shù)據(jù)和信息在不同層次上進(jìn)行綜合，它處理的不僅僅是數(shù)據(jù)，還可以是證據(jù)和屬性等。用于融合的信息既可以是未經(jīng)處理的原始數(shù)據(jù)，也可以是經(jīng)過處理的數(shù)據(jù)。處理后的數(shù)據(jù)既可以是描述某個(gè)過程的參數(shù)或狀態(tài)估計(jì)，也可以是支持某個(gè)命題的證據(jù)，或贊成某個(gè)假設(shè)的決策。在融合過程中，需要對這些性質(zhì)不同、變化多樣的信息進(jìn)行復(fù)合推理，以此改進(jìn)分類器的決策能力，提高圖像分析器的識別能力，增加跟蹤器的精度，增強(qiáng)控制器的控制能力。信息融合的目標(biāo)是基于各傳感器分離觀測信息，通過對信息的優(yōu)化組合導(dǎo)出更多的有效信息。這是最佳協(xié)同作用的結(jié)果，它的最終目的是利用多個(gè)傳感器共同或

16、聯(lián)合操作的優(yōu)勢，來提高整個(gè)傳感器系統(tǒng)的有效性。2.4路徑規(guī)劃研究現(xiàn)狀路徑規(guī)劃方法有：可視圖法、柵格法、人工勢場法以及模糊邏輯控制方法等。隨著研究的發(fā)展，路徑規(guī)劃系統(tǒng)的控制目標(biāo)和控制方法都產(chǎn)生了很大變化。規(guī)劃目標(biāo)：控制方法：經(jīng)典控制方法最優(yōu)性人工智能實(shí)時(shí)性，智能性，自適應(yīng)性研究初期，路徑規(guī)劃系統(tǒng)的控制目標(biāo)為系統(tǒng)的最優(yōu)性。例如行駛路程最短，耗時(shí)最少等。路徑規(guī)劃一般采用經(jīng)典控制方法。經(jīng)典控制方法基于系統(tǒng)狀態(tài)方程，其算法表現(xiàn)出高度的精確性。這種路徑規(guī)劃方式有許多局限性。由于小車在行駛過程中，環(huán)境往往存在許多未知因素，因此很難用精確的數(shù)學(xué)模型來描述這一過程。即使擁有精確的環(huán)境地圖能夠規(guī)劃出最優(yōu)行駛軌跡，

17、由于AGV運(yùn)動(dòng)系統(tǒng)和路面狀況的復(fù)雜性等原因，也很難控制車輛按理想軌跡行駛。此外，基于狀態(tài)方程的精確控制方法在面對復(fù)雜系統(tǒng)時(shí)計(jì)算量巨大，這會(huì)導(dǎo)致消耗大量系統(tǒng)軟硬件資源，影響系統(tǒng)實(shí)時(shí)性。隨著研究的深入，人們逐漸認(rèn)識到機(jī)器人對環(huán)境的“適應(yīng)性”相對“最優(yōu)性”而言是更為基礎(chǔ)，更為重要的指標(biāo)。因此系統(tǒng)的設(shè)計(jì)目標(biāo)開始朝著實(shí)時(shí)性、智能性、自適應(yīng)性方向發(fā)展。系統(tǒng)的控制方法則朝著人工智能方向發(fā)展。人工智能技術(shù)涵蓋面很廣，它的研究目標(biāo)是使機(jī)器能擁有類人的智能。目前，AGV路徑規(guī)劃問題上涉及最多人工智能技術(shù)是遺傳算法、神經(jīng)網(wǎng)絡(luò)和模糊控制技術(shù)。遺傳算法以自然遺傳機(jī)制和自然選擇等生物進(jìn)化理論為基礎(chǔ),構(gòu)造一類隨機(jī)化搜索算法

18、。它利用選擇、交叉和變異來培養(yǎng)控制機(jī)構(gòu)的計(jì)算程序,在某種程度上對生物進(jìn)化過程做數(shù)學(xué)方式的模擬。它不要求適應(yīng)度函數(shù)是可導(dǎo)或連續(xù)的,而只要求適應(yīng)度函數(shù)為正,同時(shí)作為并行算法,它的隱并行性適用于全局搜索。多數(shù)優(yōu)化算法都是單點(diǎn)搜索算法,很容易陷入局部最優(yōu)。而遺傳算法卻是一種多點(diǎn)搜索算法,因而更有可能搜索到全局最優(yōu)解。由于遺傳算法的整體搜索策略和優(yōu)化計(jì)算不依賴于梯度信息,所以解決了一些其它優(yōu)化算法無法解決的問題。遺傳算法的缺點(diǎn)是運(yùn)算速度不快,進(jìn)化眾多的規(guī)劃要占據(jù)較大的存儲(chǔ)空間和運(yùn)算時(shí)間。神經(jīng)網(wǎng)絡(luò)和模糊技術(shù)都是模擬人類智能的技術(shù)。但是它們分屬兩個(gè)截然不同的研究領(lǐng)域。模糊技術(shù)從人的思維外特性，即語言和對世界

19、認(rèn)識的概念上去模仿人類智能，而神經(jīng)網(wǎng)絡(luò)則是從人腦的物理結(jié)構(gòu)上去研究人類智慧的產(chǎn)生和形成。兩者機(jī)理不同，特點(diǎn)不同，但殊途同歸都從不同程度上構(gòu)造了具有一定人類智能特性的控制系統(tǒng)。神經(jīng)網(wǎng)絡(luò)模擬了人腦神經(jīng)元活動(dòng)的過程，它具有并行化、自組織、自學(xué)習(xí)等特點(diǎn)。利用神經(jīng)網(wǎng)絡(luò)可對小車的行駛行為和環(huán)境進(jìn)行學(xué)習(xí)，從而使得小車具有自主行駛能力。模糊技術(shù)具有人類智能的模糊性和推理能力。它可將人的經(jīng)驗(yàn)融入控制中，從而提高系統(tǒng)的魯棒性和自適應(yīng)性。在路徑規(guī)劃中，模糊推理的應(yīng)用主要體現(xiàn)在基于行為的導(dǎo)航方式上。所謂基于行為的導(dǎo)航，就是將機(jī)器人的運(yùn)動(dòng)過程分解為避障、邊界跟蹤、調(diào)速、目標(biāo)制導(dǎo)等基本行為,各基本行為的激活由不同的機(jī)構(gòu)分

20、別控制，機(jī)器人的最終操作由高層控制機(jī)構(gòu)對基本行為進(jìn)行平衡后作出綜合反應(yīng)。傳感器數(shù)據(jù)用模糊邏輯進(jìn)行融合后，可以確定是否激發(fā)低層行為，然后再利用模糊推理對存在沖突的低層行為進(jìn)行優(yōu)先權(quán)判別，從而決定實(shí)際操作。模糊控制方法將信息獲取和模糊推理過程有機(jī)結(jié)合，從控制目標(biāo)上看，它以自適應(yīng)性取代最優(yōu)性，從控制手法上看它以模糊性取代精確性。這種控制方法的優(yōu)點(diǎn)在于不依賴機(jī)器人的動(dòng)力學(xué)、運(yùn)動(dòng)學(xué)模型，系統(tǒng)控制融入了人類經(jīng)驗(yàn)，同時(shí)計(jì)算量小，構(gòu)成方法較為簡單，節(jié)省系統(tǒng)資源，實(shí)時(shí)性好。第三章 總體設(shè)計(jì)3.1路徑規(guī)劃設(shè)計(jì)路徑規(guī)劃一般分為兩層。第一層為粗略的總體規(guī)劃層。它根據(jù)全局環(huán)境信息和目標(biāo)點(diǎn)坐標(biāo)進(jìn)行路徑規(guī)劃方式的決策。第二

21、層為行為控制層。這一層產(chǎn)生具體的速度、角度控制信號。行為控制層一般包含多種行為決策模式，模式的切換由總體規(guī)劃層控制。相對總體規(guī)劃層而言，行為控制層面對的是局部環(huán)境信息。它內(nèi)部一般采用行為式控制結(jié)構(gòu)，傳感器信號實(shí)時(shí)、并行地觸發(fā)各種簡單行為，最后通過一個(gè)決策機(jī)構(gòu)產(chǎn)生系統(tǒng)輸出。本文中的總體路徑規(guī)劃層以目標(biāo)點(diǎn)為導(dǎo)向，它根據(jù)車輛行駛環(huán)境的不同，對行為控制層的路徑規(guī)劃模式進(jìn)行決策。車輛行駛的環(huán)境可以分為有障礙物區(qū)和無障礙物區(qū)。例如：小車在室內(nèi)行駛時(shí)，環(huán)境為有障礙物區(qū)。小車在室外行駛時(shí)，行駛環(huán)境為有障區(qū)和無障區(qū)的集合。不同行駛環(huán)境，行駛方式和策略有所不同。從人類的駕駛經(jīng)驗(yàn)可知，在遇到障礙時(shí)駕駛員會(huì)放慢速度，

22、駕駛的注意力主要放在避讓障礙物上。在無障礙物區(qū)行駛時(shí)，駕駛員會(huì)提升速度朝目標(biāo)點(diǎn)行駛?？傮w路徑規(guī)劃決策結(jié)果分為兩種：3.2避障路徑規(guī)劃環(huán)境中存在障礙物時(shí)，路徑規(guī)劃控制系統(tǒng)具有高度不確定性。系統(tǒng)結(jié)構(gòu)如圖4-7所示。避障路徑規(guī)劃控制系統(tǒng)籃筐距離環(huán)境識別角度判斷小車轉(zhuǎn)動(dòng)控制量運(yùn)動(dòng)速度系統(tǒng)輸入包括：三個(gè)方向上探測的障礙物距離信息、環(huán)境類別以及目標(biāo)點(diǎn)與小車當(dāng)前車身方向夾角。系統(tǒng)輸出為轉(zhuǎn)向裝置控制量和期望速度V。這是一個(gè)有5個(gè)輸入量，2個(gè)輸出量的MIMO系統(tǒng)（多輸入多輸出系統(tǒng)）。對于這種具有高度不確定性的MIMO系統(tǒng)，傳統(tǒng)的控制方法不能達(dá)到很好的控制效果。模糊推理控制方法將人類的駕駛經(jīng)驗(yàn)融入系統(tǒng)控制之中，因

23、此可以較好的滿足系統(tǒng)自適應(yīng)性、魯棒性和實(shí)時(shí)性的要求。下面首先介紹模糊推理控制方式基本原理。模糊推理控制方式基本原理：模糊推理控制方式借助模糊數(shù)學(xué)這一工具通過推理來實(shí)現(xiàn)控制。經(jīng)典數(shù)學(xué)以精確方法來描述事物。模糊數(shù)學(xué)與之不同，它以隸屬函數(shù)去恰當(dāng)?shù)拿枋鍪挛锏哪：?，并且把具有模糊現(xiàn)象和模糊概念的事物處理成精確的東西。模糊推理的數(shù)學(xué)基礎(chǔ)是模糊邏輯。經(jīng)典數(shù)學(xué)采用布爾邏輯。這種邏輯中的命題結(jié)果只有兩種：“真”或是“假”。模糊邏輯是一種連續(xù)邏輯。一個(gè)模糊命題是一個(gè)可以確定隸屬度的句子，它的真值取0,1區(qū)間中的任何數(shù)。顯然，模糊邏輯是二值邏輯的擴(kuò)展，二值邏輯是模糊邏輯的特殊情況，因此模糊邏輯更具有普遍意義。模糊

24、邏輯模擬了人類思維的模糊性，它采用與人類語言相近的語言變量進(jìn)行推理，因此借助這一工具可將人類的控制經(jīng)驗(yàn)融入系統(tǒng)控制之中，使得系統(tǒng)可以像有經(jīng)驗(yàn)的操作者一樣去控制復(fù)雜、激勵(lì)不明的系統(tǒng)。總的說來模糊控制具有以下特點(diǎn)：1.不依賴于被控對象的精確數(shù)學(xué)模型，易于對不確定性系統(tǒng)進(jìn)行控制2.易于控制、易于掌握的較理想非線性控制器，是一種語言控制器。3.抗干擾能力強(qiáng)，響應(yīng)速度快，并對系統(tǒng)參數(shù)的變化有較強(qiáng)的魯棒性。模糊控制器的結(jié)構(gòu)如圖所示。它是由模糊輸入接口、模糊推理模塊以及模糊輸出接口三個(gè)部分組成的。模糊控制器的結(jié)構(gòu)模糊規(guī)則庫輸入量模糊化模糊推理反模糊化輸出量模糊輸入接口的主要功能是實(shí)現(xiàn)精確量的模糊化，即把物理

25、量的精確值轉(zhuǎn)換成語言變量值。語言變量的分檔根據(jù)實(shí)際情況而定，一般分為37檔，檔數(shù)越多，控制精度越高，計(jì)算量也越大。模糊推理決策機(jī)構(gòu)的主要功能是模仿人的思維特征，根據(jù)總結(jié)人工控制策略取得的語言控制規(guī)則進(jìn)行模糊推理，并決策出模糊輸出控制量。在模糊控制中較常使用的是Mamdani推理法。又稱為min-max法，本文中使用的模糊控制器采用都是min-max推理機(jī)制。模糊輸出接口的主要功能是把輸出模糊量轉(zhuǎn)化為精確量，施于被控對象。常用反模糊化方法有最大隸屬度法、中位數(shù)法和重心法。下面介紹投籃機(jī)器人的路徑規(guī)劃模糊控制器投籃機(jī)器人的輸入量有攝像頭的視頻信息，超聲波測量的前方障礙物的距離，信息來源雖然不多但信

26、息量很大，數(shù)據(jù)處理也有一定的難度，尤其是視頻信號的處理。每一幀圖像都包含一個(gè)很大的矩陣，要從其中提取出想要的路徑信息不僅要考慮處理器的處理速度，還要保證數(shù)據(jù)的實(shí)時(shí)性。所以，在攝像頭的處理上要設(shè)計(jì)出一個(gè)快速有效的算法，才能保證投籃機(jī)器人的競技性能。研究發(fā)現(xiàn)，攝像頭的大部分信息是冗余的，所以我們可以提取出視頻信息的一部分來進(jìn)行研究。通過不斷的測試，可以從一幀數(shù)據(jù)中提取一個(gè)48X60的矩陣，也就是從480X600的矩陣中提取十分之一的信息量。矩陣的減少使得處理器有更多的時(shí)間來處理別的數(shù)據(jù)，提高了工作效率的同時(shí)也保證了信息的完整性。要得到模糊輸入量還得從視頻矩陣中提取出更加詳細(xì)的信息，可以將矩陣分成兩

27、個(gè)更加小一點(diǎn)的矩陣。矩陣124X60矩陣224X60矩陣1的功能是識別遠(yuǎn)處（2050cm）的循跡線的走向矩陣2的功能是識別遠(yuǎn)處（020cm）的循跡線的走向分別把兩個(gè)變量轉(zhuǎn)換成模糊輸入量，得到近距離循跡線與機(jī)器人當(dāng)前方向夾角、遠(yuǎn)距離循跡線的走向z，再結(jié)合超聲波的測量數(shù)據(jù)可以很好的控制投籃機(jī)器人的運(yùn)動(dòng)。第四章 算法設(shè)計(jì)4.1 路徑識別4.1.1 二值化算法算法的思路是：設(shè)定一個(gè)閾值（例如 45），對于視頻信號矩陣中每一行，從左至右比較各像素值和閾值的大小。若像素值大于等于閾值，則判定該像素對應(yīng)的是白色賽道；反之，則判定對應(yīng)的是目標(biāo)引導(dǎo)線。記下第一次和最后一次出現(xiàn)像素值小于閾值時(shí)的像素點(diǎn)的列號，算出

28、兩者的平均值，以此作為該行上目標(biāo)引導(dǎo)線的位置。算法流程圖見圖當(dāng)圖像中只有目標(biāo)引導(dǎo)線一條黑線時(shí)，該算法能準(zhǔn)確提取出目標(biāo)引導(dǎo)線。但其抗干擾性不強(qiáng)，當(dāng)出現(xiàn)光強(qiáng)有大幅度的變化時(shí)，或當(dāng)拍攝圖像中出現(xiàn)其他黑色圖跡的干擾時(shí)，該算法提取的位置就會(huì)有可能與目標(biāo)引導(dǎo)線的實(shí)際位置偏離較大。4.1.2邊緣檢測算法檢測目標(biāo)引導(dǎo)線的上邊緣。算法思路是：設(shè)定閾值，對于二位數(shù)組矩陣中每一列，從上至下求得相鄰兩像素值間的差值(上減下)。若差值大于等于閾值，則判定其下的像素點(diǎn)對應(yīng)的是黑色引導(dǎo)線的上邊緣，以此像點(diǎn)作為該列的特征點(diǎn)，記錄下此像素點(diǎn)的縱坐標(biāo)值(即為相應(yīng)的上邊緣縱坐標(biāo))，作為該列上目標(biāo)引導(dǎo)線的縱坐標(biāo)。有可能始終不會(huì)出現(xiàn)差

29、值大于等于閾值的情況，則讓該列上目標(biāo)引導(dǎo)線縱坐標(biāo)值保持不變(即同于分析上一場圖像數(shù)據(jù)時(shí)求得的縱坐標(biāo))。流程圖如圖所示。當(dāng)圖像中只有目標(biāo)引導(dǎo)線一條黑線時(shí)，該算法能準(zhǔn)確提取出目標(biāo)引導(dǎo)線。該算法很好地消除環(huán)境光強(qiáng)變化帶來的干擾。該算法能削弱或消除垂直交叉黑色引導(dǎo)線的干擾，因?yàn)樵撍惴ㄔ诙S數(shù)組矩陣中是由上至下來尋找目標(biāo)引導(dǎo)線的上邊緣，當(dāng)黑色圖跡干擾出現(xiàn)在目標(biāo)引導(dǎo)線上方時(shí)，該算法無法排除其干擾，而會(huì)誤將干擾圖跡的上邊緣當(dāng)成是目標(biāo)引導(dǎo)線的上邊緣；當(dāng)出現(xiàn)在下面時(shí)，可以排除干擾。4.1.3 跟蹤邊緣檢測算法跟蹤邊緣檢測算法跟上一節(jié)介紹的邊緣方法一樣，如圖4.4 所示，也是尋找出目標(biāo)引導(dǎo)線的上邊緣，仍然用上邊緣

30、的位置代表目標(biāo)引導(dǎo)線的位置。但跟蹤邊緣檢測從二維數(shù)組矩陣每列中尋找上邊緣的方法與上一節(jié)中介紹的不同，如圖所示。因?yàn)槟繕?biāo)引導(dǎo)線是連續(xù)的，所以相鄰兩列的上邊緣點(diǎn)比較接近。 圖4.2二值化算法流程圖圖4.3 邊緣檢測算法流程圖跟蹤邊緣檢測正是利用了這一特性，其主要思路是：當(dāng)已尋找出某列的上邊緣，若在該位置附近尋找下一列的上邊緣，則只用花較少的步驟就可以找到。這種方法的特點(diǎn)就是始終跟蹤在每列上邊緣的附近，去尋找下一列的上邊緣，所以就稱這種方法為“跟蹤”邊緣檢測算法。圖4.4 直接邊緣檢測方法搜索左邊緣 圖4.5跟蹤邊緣檢測法搜尋左邊緣4.1.4 中值濾波和曲線擬合雖然采用了邊緣檢測的方法進(jìn)行黑線提取，

31、但由于賽道縫隙或其他黑色像點(diǎn)的干擾，仍會(huì)使得某些行的黑線位置發(fā)生跳變。為了解決這一問題，增加算法的魯棒性，可以采用中值濾波和曲線擬合的方法對前面獲取的黑線位置進(jìn)行處理。中值濾波的思想是，對于某行的黑線位置，如果它的位置正好在前后兩行的中間，則保留原有位置；否則，以這三行中黑線位置居中的代替該行黑線位置。利用中值濾波消除單個(gè)的毛刺，但對連續(xù)兩個(gè)以上的毛刺不能濾除。曲線擬合的思路是，判斷每行黑線位置與整幅圖像黑線平均位置的偏差，如果偏差大于某個(gè)數(shù)值，就將該點(diǎn)標(biāo)記為無效點(diǎn)，此處的黑線位置用前后最近兩個(gè)有效點(diǎn)的黑線位置的算術(shù)平均替代。經(jīng)過測試，上述兩種方法都能使得探測到的黑線更加穩(wěn)定，為各種算法的運(yùn)用

32、提供了可靠保證。4.1.5 路徑識別與自適應(yīng)閾值計(jì)算所謂路徑識別，簡單的理解就是把圖像中反映路徑的部分提取出來。這是一個(gè)圖像分割的過程。圖像分割是計(jì)算機(jī)進(jìn)行圖像處理與分析中的一個(gè)重要環(huán)節(jié)， 是一種基本的計(jì)算機(jī)視覺技術(shù)。在圖像分割中，把要提取的部分稱為“物體(Object)”，把其余的部分稱為“背景(Background)”。分割圖像的基本依據(jù)和條件有以下4 個(gè)方面：1)分割的圖像區(qū)域應(yīng)具有同質(zhì)性，如灰度級別相近、紋理相似等；2)區(qū)域內(nèi)部平整，不存在很小的小空洞；3)相近區(qū)域之間對選定的某種同質(zhì)判據(jù)而言，應(yīng)存在顯著的差異性；4)每個(gè)分割區(qū)域邊界應(yīng)具有齊整性和空間位置的平整性。現(xiàn)在的大多數(shù)圖像分割

33、方法只是部分滿足上述判據(jù)。如果加強(qiáng)分割區(qū)域的同性質(zhì)約束，分割區(qū)域很容易產(chǎn)生大量小空洞和不規(guī)整邊緣；若強(qiáng)調(diào)不同區(qū)域間性質(zhì)差異的顯著性，則極易造成非同質(zhì)區(qū)域的合并和有意義的邊界丟失。不同的圖像分割方法總是為了滿足某種需要在各種約束條件之間找到適當(dāng)?shù)钠胶恻c(diǎn)。圖像分割的基本方法可以分為兩大類：基于邊緣檢測的圖像分割和基于區(qū)域的圖像分割。邊緣是指圖像局部亮度變化最顯著的地方，因此邊緣檢測的主要依據(jù)是圖像的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)。但是導(dǎo)數(shù)的計(jì)算對噪聲敏感，所以在進(jìn)行邊緣檢測前需要對圖像濾波。大多數(shù)的濾波算法在濾除噪聲的同時(shí)，也降低了邊緣的強(qiáng)度。此外，幾乎所有的濾波算法都避免不了卷積運(yùn)算，對于智能車系統(tǒng)來說，這

34、種運(yùn)算的計(jì)算量是AVR單片機(jī)系統(tǒng)所無法承受的。閾值分割法是一種基于區(qū)域的分割技術(shù)，它對物體與背景有較強(qiáng)對比的景物的分割特別有用。它計(jì)算簡單，而且總能用封閉且連通的邊界定義不交疊的區(qū)域。閾值分割法的關(guān)鍵在于閾值的確定。如果閾值是不隨時(shí)間和空間而變的，稱為靜態(tài)閾值；如果閾值隨時(shí)間或空間而變化，稱為而動(dòng)態(tài)閾值。基于靜態(tài)閾值的分割方法算法簡單，計(jì)算量小，但是適應(yīng)性差?；趧?dòng)態(tài)閾值的分割方法其復(fù)雜程度取決于動(dòng)態(tài)閾值的計(jì)算方法針對本智能車系統(tǒng)，普通的雙峰法就能適合絕大部分情況，因?yàn)橹悄苘嚨倪\(yùn)行環(huán)境是比賽賽道，背景和前景區(qū)分明顯，且背景簡約。但是實(shí)驗(yàn)環(huán)境并不理想，由于受到光線斜射的影響，有時(shí)背景和前景的對比

35、十分不明顯。結(jié)合實(shí)際需要，提出了一種新的計(jì)算閾值的方法，這種方法的思想與迭代法有些相似。首先我們假定，智能車系統(tǒng)運(yùn)行時(shí)，開始時(shí)采集的第一幅圖像是良好的。這個(gè)“良好”含義是：第一行也就是最近處的一行，完整的包含了導(dǎo)航線，并且使用“雙峰法”能正確提取。其次，我們對每一行都定義一個(gè)閾值Tr，每一行都用該行的閾值Tr 進(jìn)行分割。在此基礎(chǔ)上按照以下規(guī)則進(jìn)行閾值傳遞：如果第r 行分割出來的黑色區(qū)域(線段)是連續(xù)的，那么計(jì)算目標(biāo)區(qū)域和背景區(qū)域的平均灰度值，并取其中值，作為當(dāng)前行和下一行的Tr。如果第r 行分割出來的黑色區(qū)域是空集或者不連續(xù)，則保持當(dāng)前行和下一行的閾值不變。這種算法的流程圖如圖5.6 所示，其

36、特點(diǎn)是運(yùn)算量小，但是能跟蹤環(huán)境光線的逐漸變化。由于環(huán)境光線不管在時(shí)間上還是空間上都是逐漸變化的，所以這種分割算法產(chǎn)生嚴(yán)重錯(cuò)誤的概率極小，小于1/10000。這個(gè)數(shù)據(jù)的來源是，讓智能車在實(shí)驗(yàn)賽道上運(yùn)行，累計(jì)時(shí)間超過30 分鐘，沒有一次智能車因?yàn)殚撝捣指铄e(cuò)誤而停車圖4.6 一行的閾值計(jì)算流程圖4.2模糊推理控制算法SIA避障路徑規(guī)劃模糊控制器的輸入包括：近距離循跡線與機(jī)器人當(dāng)前方向夾角、遠(yuǎn)距離循跡線的走向z、左，右兩側(cè)障礙物bl，br， 以及前方籃筐距離d信息。根據(jù)機(jī)器人傳感器的特點(diǎn)和實(shí)際應(yīng)用需要，各輸入、輸出量的隸屬函數(shù)如圖所示。圖a）表示近距離循跡線與機(jī)器人當(dāng)前方向夾角的模糊化隸屬函數(shù),(0,

37、180)度。模糊語言變量P取值分為L（左），Z（中），R（右）三檔。隸屬函數(shù)形狀為梯形。L Z R圖a0 70 110 180圖b）表示遠(yuǎn)距離循跡線的走向z的模糊化隸屬函數(shù)。模糊語言變量Z取值分為L（左）,X(直線)，R（右）五檔。隸屬函數(shù)形狀為梯形。Z X Y圖b圖c）表示前方籃筐距離d的模糊化隸屬函數(shù)。d (0,300)cm。模糊語言變量D取值分為B（遠(yuǎn)）,M(中)，S（近）三檔。隸屬函數(shù)形狀為梯形S M B圖c0 50 100 150 cm圖d）表示機(jī)器人左，右障礙物b模糊化隸屬函數(shù)。模糊語言變量B取值分為H（有）,N(沒有)兩檔。隸屬函數(shù)如圖H 圖dN 圖e）為輸出速度變量v的模糊化隸

38、屬函數(shù)。語言變量值V分為:中速前進(jìn)（FM）,慢速前進(jìn)（FS）和后退（BA）三檔。BA FM FS圖e圖f）為轉(zhuǎn)向裝置控制量的隸屬函數(shù)。其語言變量值A(chǔ)分為：LL（左大轉(zhuǎn)彎），LS（左小轉(zhuǎn)彎），Z（保持當(dāng)前方向），RS（右小轉(zhuǎn)彎），RL（右大轉(zhuǎn)彎）五檔。這五檔分別對應(yīng)不同的轉(zhuǎn)向機(jī)構(gòu)控制量LL圖f2模糊推理規(guī)則的建立我們根據(jù)盲人走路和汽車駕駛的思維方式制定了如下所示的模糊控制規(guī)則：若近距離循跡線與機(jī)器人當(dāng)前方向夾角偏左（L），遠(yuǎn)距離循跡線的走向向左（Z），前方籃筐距離遠(yuǎn)（B），左右都沒有障礙物，則保持慢速前進(jìn)（FS），向左大轉(zhuǎn)彎（LL）前進(jìn)；若近距離循跡線與機(jī)器人當(dāng)前方向夾角較小（Z），遠(yuǎn)距離循跡線

39、的走向向右（Y），前方籃筐距離遠(yuǎn)（B），左右都沒有障礙物，則保持中速前進(jìn)（FM），向左小轉(zhuǎn)彎（LS）前進(jìn)；將控制規(guī)則用模糊語言表達(dá)為如下形式：If（P=P i，Z=Zj，D=Dk，Bl=Bll，Br=Brm）Then(A=Aijklm，V=Vijklm)其中 i =0,1,2 j =0,1,2 k = 0,1,2 l = 0,1 m=0,13模糊控制器設(shè)計(jì)如圖4-8所示，模糊控制算法由三個(gè)步驟組成。首先將輸入量按照隸屬函數(shù)轉(zhuǎn)化為模糊量，然后用MIN-MAX推理法把模糊輸入變量按照推理規(guī)則映射成模糊輸出量，最后應(yīng)用重心法對這些模糊輸出量進(jìn)行反模糊處理，這樣就得到了速度和轉(zhuǎn)向機(jī)構(gòu)控制量。下面介紹路徑規(guī)劃模糊控制器算法。4.2.2模糊推理控制算法SIA模糊推理是一系列基于if then語句的邏輯計(jì)算過程。模糊輸入量越多，分檔越細(xì)，控制語句就越多。大量的if then邏輯計(jì)算不僅要占用很多程序存儲(chǔ)空間，還會(huì)降低計(jì)算速度，影響系統(tǒng)實(shí)時(shí)性。但是為了增強(qiáng)系統(tǒng)知識庫的完備性和控制精度，總是需要采用大量模糊推理規(guī)則。為了解決這一矛盾，我們設(shè)計(jì)了一種與存