基于机器视觉的循迹小车设计

)其中各变量的含义如下：-采样序号，＝0，1，2，3……；-第次采样时刻的计算机输出值；-第次采样时刻输入的偏差值；-第次采样时刻输入的偏差值；-积分系数；-微分系数。由于公式2给出了全部控制量的大小，因此被称为全量式或位置式PID控制算法。需要注意的是位置式PID只需要计算第次和次的误差即可，并且控制器会对偏差进行累加，也就是控制器的每次输出都和过去的状态有关[5]。3.3.3参数整定对于位置式PID控制算法中的参数整定有一套经验：先比例后微分最后积分，其原因是对于位置式PID控制中的比例项，其往往代表系统的响应的力度，此参数要优先调整，使系统能有力、快速的响应。而对于微分项而言其最大的作用类似于“多退少补”，对系统响应的前期，其输出将协助系统回到设定状态，当系统出现过度响应时会抑制系统输出，因此当系统出现轻微超调时就可引入微分项Kd消除超调。最后是积分项，由于其积分误差的作用，在赋值的时要注意其大小，原因是对于系统响应无力或过度，其误差积分十分迅速因此需要进行适当的限幅。调试过程中过高的会导致超调，系统会出现低频震荡，导致当前值在设定值附近低频率的大幅波动致使系统无法稳定。过高的会导致系统欠调和响应不够迅速，严重者系统将出现高频震荡，当前值将在设定值附近高频率的小幅波动，对系统各执行部件造成不良影响，因此再调试过程中要格外注意。3.3.4串级PID在作品上的应用在实际应用中的闭环控制往往不止一个，协调多个闭环需要考虑使用并级PID还是串级PID，本作品小车本身存在一个速度闭环与角速度（自旋角速度）闭环，以此举例：并级PID指的是把两个闭环的PID输出相加减作为最终输出的占空比使能电机，此方式虽然简单但有明显缺陷：对于角速度闭环而言其唯一目的就是控制小车的自身角速度，而速度环同理，二者均为通过控制占空比进行控制，导致两个闭环存在互相干扰。对于并级PID而言，其流程框图如图3-6所示：图3-6并级PID流程图PID串级控制是一种常用的控制策略，用于提高系统的稳定性和响应速度。它基于PID控制器，引入内环与外环的概念，用于处理控制系统中多级联接的情况。其中一个PID控制器控制主要过程变量，而其他PID控制器控制辅助过程变量，以实现更精确的控制[6]。对于串级PID，需要划分其控制的逻辑顺序，也就是内环与外环。使用速度闭环（周期5ms）作为内环控制，将角速度闭环（周期10ms）作为外环控制，同时将角速度闭环的输出值进行量级缩放，使其与速度闭环中的设定速度同一个量级。运行过程中从始至终只有速度闭环可以控制电机的转速，而角速度闭环通过改变速度闭环中的设定速度去“控制”速度闭环，从而避免了二者的互耦，效果相对于并级PID提升十分明显，缺点是参数整定难度略大，其流程框图如图3-7所示：图3-7串级PID流程图 原理分析完成后接下来就是代码实现了，图3-8与图3-9为对应代码片段。图3-8位置式PID代码实现图3-9速度闭环代码片段3.3姿态解算由于小车其在地平面上行驶，因此只需解算偏航角即可。姿态传感器中陀螺仪具有良好的高频特性，但使用陀螺仪获取的姿态角其误差会随时间增长，原因是陀螺仪在静置状态仍有微小的读数，通过采集静置状态下一定次数的读数取平均值就可得到零漂的粗略估计[7]，代码片段如图3-8所示。图3-9零漂采集代码片段加速度计具有良好的低频特性不会随着时间漂移，但是载体剧烈运动时噪声难以消除。于是可以通过融合陀螺仪、加速度计的数据，扬长避短得到高频、低频特性都很好的数据。本作品在调试过程中主要使用Mahony互补滤波算法计算四元数再计算出三个姿态角，如图3-10解算姿态角代码片段所示。图3-10解算姿态角代码片段

4视觉算法逻辑4.1拍摄前的相机参数设置参考OV5640数据手册了解到其配置寄存器地址极多，设置较为复杂，且并无直接输出灰度图像的方法。部分无关紧要的寄存器配置如增益，白平衡，色彩矩阵等等参考野火STM32H750开源资料中的配置。需要提及的是，OV5640有好几个窗口概念，官方手册中的说明如图4-1所示。图4-1OV5640中的窗口概念查阅资料得知这几种窗口的含义：(1)物理像素窗口（Physicalpixelsize）：为2624*1954（包含黑电平矫正线和空像素，有效分辨率为2592*1944）。(2)ISP（imagesensorprocessor）输入窗口：需要进行处理的像素窗口。(3)预缩放窗口（pre-scalingsize）：ISP窗口的基础上，调整用于缩放输出的窗口。(4)输出窗口（afterscaling）：根据预缩放窗口和要输出的分辨率，进行缩放，得到最终的图像。再根据手册对设置输出图像尺寸与格式的关键寄存器配置如下参数：{0x4300,0x10}（0x4300为formatcontrolregisters格式控制寄存器，此处输出格式设置为YUV422，实际上只是Y8输出，就能输出灰度图像了）。{0X501F,0x00}（0X501F是ISPformatcontrolregistersISP格式控制寄存器，此处配置为ISPYUV422）。{0x380c,0x07}（HTS，也就是实际输出的水平总尺寸，这里的配置会严重影响最终帧率，且水平总尺寸大小不能大于ISP窗口的大小，经过反复调试选定为0x07较为合适）。{0x380e,0x03}（VTS，也就是实际输出的垂直总尺寸，同样会影响图像帧率，这里配置为0x03）。4.2图像的预处理 由于OV5640采集一帧图像并通过SCCB传输，单片机需要定义一段地址空间用于存储图像数据，且存储的方式为行连续型（图像数据按行顺序进行存储）。为了方便后续的图像处理，这里将图像数据从原始地址区域转移到IMG图像数组内，将图像的左上角定义为图像原点（0,0），图像右下角定义为图像的终点。使用此种方法定义的图像更为方便，访问图像数据只需遍历IMG数组即可，使用起来逻辑性更加通顺。4.2.1图像二值化 由于采集的原始图像为Y8也就是灰度图像，所有像素的值均在0-255之间，想要做到锁定待抓取物体则需要先进行二值化，再进行物体的锁定。常见的阈值算法有大津法（最大类间方差法OTSU）、全局阈值法、Maxentropy法等等。以下是调试过程中对几种常用算法的总结和缺点解析： 大津法的目标是将一幅图像分成两个类（前景和背景），使得类间方差最大。在图像分割中，类间方差是一个很重要的度量，它表示了不同类别之间的差异性。大津法的核心思想是通过尝试所有可能的阈值来最大化类间方差，从而找到最佳的分割阈值[8]。大津法对每张待处理的图片单独计算一个二值化阈值，这种方法较好的解决了白天和晚上光照强度不同而导致阈值变化的问题。但仍然有不足之处，如下图4-2所示，对于光照不均匀的区域效果较差。图4-2大津法效果展示 而全局或局部阈值法均无法稳定、有效的应对强光环境和光照不均环境，尤其是对于地面有光源反光的情况，通过多次调试摄像头总结经验与查阅资料，最终结合大津法与局部平局阈值法，各取50%的权重融合作为全局的阈值，再通过手动添加经验性修正值（一般在10-20）便完成了阈值的处理。最终的效果便是保留巡线轨迹的基本特征同时适当滤除反光，对于光强不同的区域处理也尚能接受，最终效果如图4-3所示。此外此算法的缺点也很明显，对于部分灰度差距很小的区域，会出现白色噪点（可通过调整经验性修正值消除）。图4-3优化后效果4.2.2图像的逆透视变换（射影变换）对于二维图像而言，若拍摄角度并非特殊角（如90°垂直拍摄），则获取的图像需要经过逆透视变换，如此才能获取目标物品相对于机械臂的物理距离和角度。逆透视变换又称射影变换，透视变换主要用于将一个平面从视角A变换的视角B。即从平面在视角A的图片中，生成一张“假”的图片，这张“假”图片中的平面正好和视角B下的图片相同。这里提到了“一个平面”，这意味着不在同一个平面上的点是不满足这个变换的，由于巡线轨迹与目标物品均在地平面上，满足同一平面的要求所以可以进行逆透视变换。通过使用透视变换，我们可以将相机斜向下得到的图像（图4-4）变换成近似的俯视图如图4-5所示。4-4正常视角下的图像4-5透视后的图像有了透视矩阵此后每拍摄一幅图片就可进行透视变换得到俯视视角的图片，而计算透视矩阵分为两个情况，其一是在单片机上计算（只需一次），其二是使用电脑计算并将结果提前存在单片机内部。本作品使用上位机四点法计算透视矩阵，在单片机内定义矩阵供后续使用。4.3轨迹提取与待夹取物品的判断4.3.1巡线轨迹的提取由于循迹所用的胶带较为简单。此处使用边缘检测-Sobel算子便可获得较好的效果。Sobel边缘检测是一种常用的图像处理算法，用于检测图像中的边缘。该算法基于离散的差分运算，可以有效地识别图像中灰度变化剧烈的位置，从而找到图像的边缘，其通常用于检测图像中的水平和垂直边缘，它分别使用两个3x3的卷积核（即Sobel水平核和Sobel垂直核）来计算图像的水平和垂直梯度[9]。 将其原理掌握之后用C语言代码实现，其最终效果如图4-6所示。图4-6sobel检测循迹轨道边界获得轨道的边界后通过遍历图像的所有行像素加上条件判断，便可确定轨道的左边线和右边线。对于某一行的左边界和右边界，将其横坐标相加后取平均得到这一行轨道的中点，将此方法推广到所有行便得到了图像中轨道的真正轨迹，也是小车需要进行循迹的轨迹。4.3.2识别待夹取物品连通域算法是图像处理中常用的一种方法，用于识别和标记图像中具有相同特征或属性的连通区域。连通域是指图像中具有相同性质且相邻的像素构成的区域，这些像素在空间上是连续的。常见的连通域算法包括基于扫描线的算法、基于区域增长的算法和基于连通性的算法，本作品使用的是基于四领域的连通域算法[10]。由于待夹取物品为深色，底板为浅色，所以识别待夹取物品采用色块识别。其思路如为二值化图像结合四领域进行two-pass算法。以下是四领域查找连通域色块的实现思路：第一次从上到小从左到右扫描图像，将每个白色像素打上独特标签label值，第二次从上到小从左到右扫描图像，所有连通起来的白色像素均被标记为同一个色块，每个白色像素原本独特的标签值均被“同化”为一个色块标签值，不连通色块的label值是不同的，由此每一个独立、不与其他色块连通的色块均被打上标签。通过索引label值去给每个色块做统计信息，比如统计每个色块的像素个数，最大长，最大宽等等，然后就可以通过统计信息去筛选合适的、符合条件的色块，也就是待夹取物品的色块了。

5总结 在完成本作品的过程中，深入学习了STM32H750的基础知识，掌握HAL库的使用与熟悉开发过程，学习到有关单片机的更多知识如定时器不同通道输出PWM波形经由驱动板驱动有刷电机、使用定时器中断生成低频率的方形脉冲用于控制舵机角度来进行抓取动作，还掌握了PID控制算法的参数整定流程与基础框架的编写，完成两个闭环的控制取得较为理想的控制效果。学习到许多图像处理算法如sobel边缘检测、OTSU最大类间方差算法，在此基础上又掌握了四领域two-pass算法并成功锁定目标色块。硬件方面掌握了AltiumDesigner、立创EDA的用法，熟练掌握非高频双层PCB板的绘制尤其是电源模块布局与铺铜管理，最终焊接完成经由调试后投入使用。还掌握了SolidWorks3D建模与AUTOCAD绘制平面尺寸图纸，整个作品完成的过程让我收获颇丰、难以言明。 遗憾的是笔者能力有限，完成作品时间也比较仓促，许多想法未付诸行动，很多地方也值得继续努力研究与完善。

参考文献[1]王殿卫,郭津津,李维骁.基于麦克纳姆轮的AGV定位及纠偏技术的研究[J].天津理工大学学报,2020,36(4):6.[2]LiY,DaiS,ZhengY,etal.ModelingandKinematicsSimulationofaMecanumWheelPlatforminRecurDyn[J].JournalofRobotics,2018,(2018-1-28),2018,2018:1-7.[3]LiS,ZhangJ,ZhaoK,etal.Trajectorytrackingcontrolforfour-mecanum-wheelmobilevehicle:Avariablegainactivedisturbancerejectioncontrolapproach[J].InternationalJournalofRobustandNonlinearControl,2021.[4]刘康,程尹力.PID电机控制系统设计[J].电子世界,2021(20):158-159.[5]束红林.基于单片机PID算法的直流电机速度控制方法[J].电气传动自动化,2023,45(3):5-7,20.[6]程家驹,孔凡斌,王颖熙,等.基于串级PID控制的三轮电磁循迹小车[J].电子产品世界,2023,30(11):52-54.[7]黄坡,马艳,杨万扣.基于Mahony滤波器和PID控制器的四旋翼飞行器姿态控制[J].电脑知识与技术,2014(7):1611-1617.[8]李了了