本設計以單片機為核心，附以外圍電路，采用反射型光電探測器進行尋跡操作，利用光電傳感器檢測道路上的障礙，運用單片機的運算和處理能力來實現小車的各種功能，最終實現簡單的智能化。

2010年10月1日18時59分57秒345毫秒，嫦娥2號點火，19時整成功發射。在飛行后的29分53秒時，星箭分離，衛星進入軌道。19時56分太陽能帆板成功展開……這次探月衛星的成功發射，標志著中國自動化領域進入了一個新的階段。

隨著自動化的發展，自動化開始向復雜的系統控制和高級的智能控制發展，并廣泛地應用到國防、科學研究和經濟等各個領域，實現更大規模的自動化，例如大型企業的綜合自動化系統、全國鐵路自動調度系統、國家電力網自動調度系統、空中交通管制系統、城市交通控制系統、自動化指揮系統、國民經濟管理系統等。自動化的應用正從工程領域向非工程領域擴展，如醫療自動化、人口控制、經濟管理自動化等。自動化將在更大程度上模仿人的智能，機器人已在工業生產、海洋開發和宇宙探測等領域得到應用，專家系統在醫療診斷、地質勘探等方面取得顯著效果。工廠自動化、辦公自動化、家庭自動化和農業自動化將成為新技術革命的重要內容，并得到迅速發展。

智能小車，也稱輪式機器人，是一種以汽車電子為背景，涵蓋智能控制、模式識別、傳感技術、電子電氣、計算機、機械等多學科的科技創意性設計，更是自動化的一種綜合體現。一般主要由路徑識別、速度采集、角度控制及車速控制等模塊組成。近些年來全國電子大賽和省內電子大賽幾乎每次都有智能小車這方面的題目，全國各高校也都很重視該題目的研究，可見其研究意義很大，也正因此掀起了智能車研究的一股熱潮[1]。

小車，也就是輪式機器人，最適合在那些人類無法工作的環境中工作，該技術可以應用于無人駕駛機動車，無人生產線，倉庫，服務機器人等領域。在危險環境下，機器人非常適合使用。在這些險惡的環境下工作，人類必需采取嚴密的保護措施。而機器人可以進入或穿過這些危險區域進行維護和探測工作，且不需要得到像對人一樣的保護。例如美國的“勇氣”號和“機遇”號，在火星探測過程中分別在其著陸區域附近找到火星上過去曾有過水的證據，為人類對火星的探測做出了巨大的貢獻[1]。

機器人的應用正逐步滲入到工業和社會的各個層面，如采用帶有專用新型傳感器的移動式機器人，連續監視采礦狀態，以便及早發現事故突發的先兆，采取相應的預防措施；智能輪椅運用口令識別與語音合成、機器人自定位、動態隨機避障、多傳感器信息融合、實時自適應導航控制等功能，運用了現代高新技術來改善殘障人們的生活質量和生活自由度。在智能車輛領域，智能小車自動行駛功能的研究將有助于智能車輛的研究。智能車輛駕駛任務的自動完成將給人類社會的進步帶來巨大的影響，例如能切實提高道路網絡的利用率、降低車輛的燃油消耗量，尤其是在改進道路交通安全等方面提供了新的解決途徑。

“工欲善其事，必先利其器”。人類在認識自然、改造自然、推動社會進步的過程中，不斷地創造出各種各樣為人類服務的工具，其中許多具有劃時代的意義。作為20世紀自動化領域的重大成就，機器人已經和人類社會的生產、生活密不可分。因此為了使智能小車工作在最佳狀態，進一步研究及完善其速度和方向的控制是非常有必要的。

本文所研究的內容涉及尋跡、避障、人工操控等多種功能，初步實現智能化，可做為各類科研的基礎模型，具有較大的研究空間，適合于多種領域的智能化研究與開發。

智能車輛的研究始于20世紀50年代初，美國Barrett Electronics公司開發出的世界上第一臺自動引導車輛系統(Automated Guided Vehicle System，AGVS)。1974年，瑞典的VolvoKalmar轎車裝配工廠與Schiinder--Digitron公司合作，研制出一種可裝載轎車車體的AGVS，并由多臺該種AGVS組成了汽車裝配線，從而取消了傳統應用的拖車及叉車等運輸工具。由于Kalmar工廠采用AGVS獲得了明顯的經濟效益，許多西歐國家紛紛效仿Volvo公司，并逐步使AGVS在裝配作業中成為一種流行的運輸手段。在世界科學界和工業設計界中，眾多的研究機構正在研發智能車輛，使智能車技術迅速展起來。

德意志聯邦大學已經研發出多輛智能原型車輛。在1985年，第一輛VaMoRs智能原型車輛就已經在戶外高速公路上以l00km／h的速度進行了測試。使用機器視覺來保證橫向和縱向的車輛控制。1988年，在都靈的PROMETHEUS項目第一次委員會會議上，智能車輛維塔(VrrA)進行了展示，該車可以自動停車、行進，并可以向后車傳送相關駕駛信息。這兩種車輛都配備UBM視覺系統。這是一個雙目視覺系統，具有極高的穩定性，同時還包括一些其他種類的傳感器：三個加速度計、一個車輪位置編碼器(可作為里程表或速度計)，在VaMoRs車中，ZIPS接收機可以實現車輛位置的初步估算。

美國俄亥俄州立大學智能交通研究所所研發的三輛智能原型車輛，配備不同的傳感器來實現數據融合和錯誤檢測技術：基于視覺的系統；雷達系統(檢測與車道的橫向位置)；激光掃描測距器(障礙物檢測)；其他傳感器，如側向雷達、轉向陀螺儀。利用基于視覺的方法實現道路檢測。利用一臺安裝在后視鏡處的CCD攝像機，位置要盡可能高，車道檢測系統可以處理這樣的單幅灰度圖像。算法假設道路是水平地，并且有連續或點化的車道標志線。前幾幀檢測的車道標志線數據也用來決定下一步興趣熱點區域，以簡化圖像處理。算法從圖像中提取出重要的亮域，并以向量行駛存儲，如道路消失點或道寬這樣的數據參數，都可以作為計算車道標志線的參考，最后為了處理點劃車道線，可以通過一階多項式曲線來擬合，在進行向量計算。如果檢測到左右車道標志線，就可以利用左右標志線來估計車道中心線；否則也可以利用估計的車道寬度及相關可視標志來估算中心線[2]。

在我國，吉林大學智能車輛課題組長期從事智能車輛自主導航機理及關鍵技術研究。20世紀90年代以來，課題組開展的組態式柔性制造單元及圖像識別自動引導車的研究對我國獨立自主開發一種新型自動引導車輛系統，從而為我國生產組織模式向柔性或半柔性生產組織轉化提供了有意義的技術支撐和關鍵設備。另外，我國清華大學、北京理工大學等單位也正在研發智能車輛。汽車自主駕駛技術是集模式識別、智能控制、計算機科學和汽車操縱動力等多門學科于一體的綜合性技術，汽車自主駕駛功能水平的高低常被用來作為衡量一個國家控制技術水平的重要標準之一。智能車輛的相關技術，也將為促進輪式機器人的研究。

方案一：履帶式行走機構：運行平穩、可靠，走直線效果很好；但結構相對復雜、移動速度較慢，轉彎過程的控制性能較差。

方案三：兩輪式行走機構：結構簡單、運動平穩、移動速度快、轉彎性能好，且易于控制，適用于小功率的行走驅動。

方案四：四輪式行走機構：結構簡單、運動平穩、移動速度快、易于控制。

通過以上四種方案的優缺點，方案三與方案四可具有較大的可行性，但四輪式行走機構需要四個電機，控制算法相對復雜，且需要很大的驅動電流，對硬件要求較高，而兩輪式能滿足此設計要求，且結構簡單，算法方便，要求驅動電流小，硬件結構簡單。本設計以對稱結構，簡單方便為主，固綜上考慮，采用方案三的設計思想。

方案一：采用步進電機：步進電機是將電脈沖信號轉變為角位移或線位移的開環控制元件。在非超載的情況下，電機的轉速、停止的位置只取決于脈沖信號的頻率和脈沖數，而不受負載變化的影響，即給電機加一個脈沖信號，電機則轉過一個步距角，這一線性關系的存在，加上步進電機只有周期性的誤差而無累積誤差等特點。使得在速度、位置等控制領域用步進電機來控制變的非常的簡單。所以，若采用步進電機作為該系統的驅動電機，由于其轉動的角度可以精確定位，可以實現小車前進距離和位置的精確定位。

方案二：采用直流電機：采用直流減速電機，直流減速電機轉動力矩大，體積小，重量輕，裝配簡單，使用方便，過載能力強，能承受頻繁的沖擊負載，可實現無級快速啟動、制動和反轉；能滿足各種不同的特殊運行要求。很方便的就可以實現通過單片機對直流減速電機前進、后退、停止等操作。

通過以上兩種方案的比較，兩種方案均具有較大的可行性，但步進電機并不能象普通的直流電機、交流電機在常規下使用。它必須由雙環形脈沖信號、功率驅動電路等組成控制系統方可使用。步進電機的輸出力矩較低，隨轉速的升高而下降，且在較高的轉速時會急劇下降，其轉速較低時不適于小車等對速度有一定要求的系統。在價格方面，直流電機低于步進電機，易于購買，且對硬件要簡單，完全可以實現此設計的要求，固綜上考慮，此次設計采用直流電機作為動力源。

小車運行過程中要求電動機的轉速在一定范圍內調節,調速范圍根據負載的要求而定。由公式(2-1)         

                               (2-1)

N：電樞轉速, ：電機端電壓, ：電機端電流,：電樞電阻, ：常數, ：各極總磁通

可以看出,調速可以有三種方法:

1.改變電機端電壓,即改變電樞電源電壓；

2.改變磁通,即改變激磁回路的調節電阻以改變激磁電流；

3.在電樞回路中串聯調節電阻。此時的轉速公式(2-2)為：

                                 (2-2)

在實際電路設計中，改變電機的磁通或調節樞回路中串聯調節電阻并不方便、實用。因此，主要選擇通過改變電機兩端電壓的方法來實現電機的調速控制。

下面是通過調節電機兩端電壓達到調速目的的三種方案：

方案一：采用電阻網絡或數字電位器調整電動機的分壓，從而達到調速的目的。但是電阻網絡只能實現有級調速，而數字電阻的元器件價格比較昂貴。更主要的問題在于一般電動機的電阻很小，但電流很大，分壓不僅會降低效率且實現困難。

方案二：采用繼電器對電動機的開或關進行控制，通過開關的切換對小車的速度進行調整。這個方案的優點是電路較為簡單，缺點是繼電器的響應時間慢、機械結構易損壞，壽命較短、可靠性不高。

方案三：采用由達林頓管組成的H型PWM電路。用單片機控制達林頓管使之工作在占空比可調的開關狀態,精確調整電動機轉速。這種電路由于工作在管子的飽和截止模式下,效率非常高。H型電路保證了可以簡單的實現轉速和方向的控制。電子開關的速度很快，穩定性也極強，是一種廣泛采用的PWM調速技術。L298為SGS-THOMSON Microelectronics所出產的雙全橋步進電機專用驅動芯片(Dual Full-Bridge Driver) ，可以方便的驅動兩個直流電機，或一個兩相步進電機。內含二H-Bridge的高電壓、大電流雙全橋式驅動器，接收標準 TTL邏輯準位信號，可驅動46V、2A以下的步進電機，輸出電壓最高可達50V。可以直接通過電源來調節輸出電壓，可以直接用單片機的IO口提供信號，而且電路簡單，使用比較方便。

PWM脈寬調制實際上就是改變電機端電壓的平均值從而進行調速的一種方法。這種方法便于與單片機等數字系統接口，實現方便，而前兩種方法必須要配合一定的外圍模擬電路才能達到單片機控制目的，基于以上分析, 在電動機驅動模塊上擬選定采用PWM脈寬調制方法。選用L298雙全橋驅動芯片。

方案一：采用兩個電源供電，將電動機驅動電源與單片機以及其周圍電路電源完全隔離，利用光電耦合器傳輸信號。這樣可以使電動機驅動所造成的干擾徹底消除，提高了系統的穩定性。

方案二：采用單一電源供電。所用器件采用12V蓄電池為直流電機供電。因電動機啟動瞬間電流很大，而且PWM驅動的電動機電流波動較大，會造成電壓不穩 、有毛刺等干擾，可采用將12V電壓降壓、穩壓后給單片機系統和其它芯片供電。這樣供電比較簡單[3]。

基于以上的分析，兩種方案均具有可行性，但方案一使用兩個電源，增加了小車的重量與體積，增大了小車的慣性，雖然具有較大的優勢，但綜合考慮，符合設計要求的情況下，選擇方案二做為小車的供電電源。

方案一：采用對射式紅外光電傳感器。用可見發光二極管與光敏二極管組成的發射－接收分立對管光電傳感器。這種方案的缺點在于，其他環境光源會對光敏二極管的工作產生很大干擾，一旦外界光亮條件改變，很可能造成誤判和漏判。雖然采取超高亮發光管可以降低一定的干擾，但這又將增加額外的功率損耗。在跑道上設置檢測裝置很不方便，故無法應用對射式光電開關探測跑道標志，只能采用反射式光電開關。

方案二：采用反射式紅外光電傳感器，利用紅外線發射管發射紅外線，紅外線二極管進行接收。采用紅外線發射，外面可見光對接收信號的影響較小，尋跡電路中采用比較器LM393，信號進入后就會被放大，可以直接送給單片機進行操作，同時可以加一可調電阻，可以調節傳感器的靈敏度，易于調試。本方案也易于實現，比較可靠[4]。

綜上所述，方案二具有可行性，選擇方案二作為尋跡方案。

              電動智能小車采用STC89C52單片機進行智能控制。開始先手動啟動小車開關，進行模式選擇，并設有復位按鈕。尋跡模式下，小車采用反射型光電探測器檢測黑帶，將信號傳給單片機進行識別，同時通過單片機控制電機使小車前進，以及左、右拐彎的操作。避障模式下，避障模塊開始工作，開始進行避障處理，小車開始進行自由避障，當進入停車區時，由紅外進行識別，小車自動停車。系統原理圖如圖3—1所示。

STC89C52單片機是把那些作為控制應用所必需的基本內容都集成在一個尺寸有限的集成電路芯片上。如果按功能劃分，它由如下功能部件組成，即微處理器、數據存儲器、程序存儲器、并行I/O口、串行口、定時器/計數器、中斷系統及特殊功能寄存器。它們都是通過片內單一總線連接而成，其基本結構依舊是CPU加上外圍芯片的傳統結構模式。但對各種功能部件的控制是采用特殊功能寄存器的集中控制方式。

1.中斷系統：具有6個中斷源，2級中斷優先權。

2.定時器/計數器：片內有3個16位定時器/計數器，具有四種工作方式。

3.串行口：1個全雙工的串行口，具有四種工作方式。可用來進行串行通訊，擴展并行I/O口，甚至與多個單片機相連構成多機系統，從而使單片機的功能更強且應用更廣。

4.P1口、P2口、P3口、P4口為4個并行8位I/O口。使單片機對輸出的控制更加靈活[7]。

STC89C52主要功能如表3-1所示。

表3-1 STC89C52主要功能

1.時鐘電路

STC89C52內部有一個用于構成振蕩器的高增益反相放大器，引腳RXD和TXD分別是此放大器的輸入端和輸出端。時鐘可以由內部方式產生或外部方式產生。內部方式的時鐘電路如圖3-2(a) 所示，在RXD和TXD引腳上外接定時元件，內部振蕩器就產生自激振蕩。定時元件通常采用石英晶體和電容組成的并聯諧振回路。晶體振蕩頻率可以在1.2～12MHz之間選擇，電容值在5～30pF之間選擇，電容值的大小可對頻率起微調的作用。

外部方式的時鐘電路如圖3-2(b)所示，RXD接地，TXD接外部振蕩器。對外部振蕩信號無特殊要求，只要求保證脈沖寬度，一般采用頻率低于12MHz的方波信號。片內時鐘發生器把振蕩頻率兩分頻，產生一個兩相時鐘P1和P2，供單片機使用。

(a)內部方式時鐘電路                 (b)外部方式時鐘電路

圖3-2時鐘電路

2.復位及復位電路

(1)復位操作

復位是單片機的初始化操作。其主要功能是把PC初始化為0000H，使單片機從0000H單元開始執行程序。除了進入系統的正常初始化之外，當由于程序運行出錯或操作錯誤使系統處于死鎖狀態時，為擺脫困境，也需按復位鍵重新啟動。

除PC之外，復位操作還對其他一些寄存器有影響，它們的復位狀態如表3-2所示。

表3-2 一些寄存器的復位狀態

(2)復位信號及其產生

RST引腳是復位信號的輸入端。復位信號是高電平有效，其有效時間應持續24個振蕩周期(即二個機器周期)以上。若使用頗率為12MHz的晶振，則復位信號持續時間應超過2μs才能完成復位操作。

整個復位電路包括芯片內、外兩部分。外部電路產生的復位信號(RST)送至施密特觸發器，再由片內復位電路在每個機器周期的S5P2時刻對施密特觸發器的輸出進行采樣，然后才得到內部復位操作所需要的信號。

復位操作有上電自動復位和按鍵手動復位兩種方式。

上電自動復位是通過外部復位電路的電容充電來實現的，其電路如圖3-3(a)所示。這佯，只要電源Vcc的上升時間不超過1ms，就可以實現自動上電復位，即接通電源就成了系統的復位初始化。

按鍵手動復位有電平方式和脈沖方式兩種。其中，按鍵電平復位是通過使復位端經電阻與Vcc電源接通而實現的，其電路如圖3-3(b)所示；而按鍵脈沖復位則是利用RC微分電路產生的正脈沖來實現的，其電路如圖3-3(c)所示：

電路圖中的電阻、電容參數適用于12MHz晶振，能保證復位信號高電平持續時間大于2個機器周期[8]。

本系統的復位電路采用圖3-3(b)上電復位方式。

(a)上電復位          (b)按鍵電平復位          (c)按鍵脈沖復位

圖3-3復位電路

電源模塊為系統其它各個模塊提供所需要的電源，主要為單片機、電機及其驅動、尋跡模塊、臂章模塊供電。供電電壓有9V、6V、5V三種電壓值。本系統采用12V的蓄電池做為供電電源，為得到所需電壓需進行降壓及穩壓操作，采用常用的穩壓芯片7809、7806、7805，分別得到9V、6V、5V穩定電壓，設計電路圖如圖3-6所示：

智能小車區別于普通的電動玩具小車的最大特點是：可以智能調節小車運行狀態。如改變其運動方向、運動速度。在接收到外部主控單片機發出的指令后，能迅速做出“應答”，這就需要電機驅動芯片發揮作用。主控單片機發出指令給電機驅動芯片，驅動芯片接收到單片機指令后，通過輸出端口控制電機迅速作出相應動作。

本設計采用PWM調速技術來實現小車轉向、調速控制，因為設計的電動小車采用2個直流電機，左、右兩側電機獨立控制。

經過之前論證分析后，決定選用L298電機驅動芯片。 L298雙全橋步進電機專用驅動芯片，比較常見的是15腳Multiwatt封裝的L298如圖3-7所示:

圖3-7 L298N Multiwatt封裝外形圖

內部包含4信道邏輯驅動電路，可以方便的驅動兩個直流電機，或一個兩相步進電機。恒壓恒流橋式2A驅動芯片L298內含二個H-Bridge 的高電壓、大電流雙全橋式驅動器，接收標準 TTL邏輯準位信號，可驅動46V、2A以下的步進電機，輸出電壓最高可達50V。可以直接通過電源來調節輸出電壓，可以直接用單片機的IO口提供信號，而且電路簡單，使用比較方便。

圖3-8 電機驅動控制示意圖

通過圖3-8，可清楚看出單片機→電機驅動芯片→直流電機的三級控制結構。采用此種控制結構，各級職責明確，結構清晰易于實現。

本設計采用的是基于PWM原理的H型驅動電路實現調速功能。采用H橋電路可以增加驅動能力，同時保證了完整的電流回路。

采用 PWM 方法調整電機的速度，首先應確定合理的脈沖頻率。脈沖寬度一定時，頻率對電機運行的平穩性有較大影響，脈沖頻率高,馬達運行的連續性好，但帶負載能力差，脈沖頻率低則反之。當脈沖頻率在 100Hz 以下時，電機轉動有明顯的跳動現象，小車不能連續順暢運行。經反復試驗，選擇脈沖頻率1000Hz，電機轉動較平穩，控制效果較佳。

脈寬調速實質上是調節加在電機兩端的平均功率，其表達式(3-3)為：

                (3-3)

式中為電機兩端的平均功率；為電機全速運轉的功率；為脈寬。 當 時，相當于加入直流電壓，這時電機全速運轉，；當時，相當于電機兩端不加電壓，電機靠慣性運轉。

當電機穩定開動后，有(為摩擦力 )則

                                    (3-4)

                                            (3-5)

由(3-5)式可知智能小車的速度與脈寬成正比。

由上述分析，U1、U2這對控制電壓采用了1000Hz 的周期信號控制，通過對其占空比的調整，對車速進行調節。同時，可以通過U1、U2的切換來控制電動機的正轉與反轉。對于L298驅動芯片，內部已集成2個H橋，只需在使能控制端EN1、EN2加載PWM波，通過調節PWM波的占空比，即改變加載到電機兩端的電壓平均值，來實現調速功能。

當IN1端為高電平、IN2端為低電平時，二極管D1到D4導通，電機正轉；反之，二極管D3到D2導通，電機反轉。IN3、IN4端控制方法與IN1、IN2端相同，不再贅述。

下圖3-10為Mutiwatt15封裝形式的L298驅動芯片引腳及外形圖。

圖3-10 L298引腳及外形圖

表3-3列出了L298的各引腳功能。

表3-3 L298引腳符號及功能表

下圖3-11為L298驅動小車電機的PROTEUS功能仿真圖。L298需要兩個電壓，一個為邏輯電路工作所需的5V電壓Vcc，另一個為功率電路所需的驅動電壓Vs。為保護電路，需加上八個續流二極管，二極管的選用要根據PWM的頻率和電機的電流來確定。二極管要有足夠的回復時間和足夠電流承受能力。

圖3-11 L298驅動電機PROTEUS仿真圖

在編寫完成Keil C調速、轉向程序，與PROTEUS軟件進行聯合仿真后，通過在線調試。 經多次實際測試，采用PWM技術進行小車調速、轉向操作具有如下優點：

1.電流一定連續

2.可使電動機在四象限中運行

3.電機停止時有微振電流，能消除靜摩擦死區

4.低速時，每個晶體管的驅動脈沖仍較寬，有利于保證晶體管可靠導通

5.低速平穩性好，調速范圍較大

該模塊使用一體化紅外接收頭1838，其電路如圖3-15所示。

圖3-15 紅外接收電路

瓷片電容104為去耦電容，DOUT即是解調信號的輸出端，直接與單片機的接口相連。有紅外編碼信號發射時，輸出為檢波整形后的方波信號，并直接提供給單片機，單片機進行識別處理后，再發出指令，控制小車的行進。

其中1838紅外一體化接收頭具內部電路包括紅外監測二極管，放大器，限副器，帶通濾波器，積分電路，比較器等。紅外監測二極管監測到紅外信號，然后把信號送到放大器和限幅器，限幅器把脈沖幅度控制在一定的水平，而不論紅外發射器和接收器的距離遠近。交流信號進入帶通濾波器，帶通濾波器可以通過30khz到60khz的負載波，通過解調電路和積分電路進入比較器，比較器輸出高低電平，還原出發射端的信號波形。注意輸出的高低電平和發射端是反相的，這樣的目的是為了提高接收的靈敏度[11]。

隨著電子技術的飛速發展．無線遙控已被廣泛的應用到日常生活中及工業中．電視機、電冰箱．視頻監控系統、電視演播系統、電視會議系統、微能控制等多種領域都有應用。在智能控制中，無線遙控更是成為了不可或缺的一部分，同時也是為了在特殊情況下按照人為的意愿進行操作的最佳選擇。

根據上文方案的選擇，本次遙控方案采用紅外紅進行遙控，紅外線特點是不干擾其它設備工作，也不會影響周邊環境。電路調試簡單，若對發射信號進行編碼，可實現多路紅外遙控功能。

本次設計，紅外遙控發射采用常用的遙控器。

接收電路仍采用避障模塊中的紅外接收電路，如上圖3-15所示，其中，紅外1838接收到紅外信號后，傳輸給單片機，由單片機采用程序處理進行紅外的解碼，以此來識別遙控器的按鍵，并發出指令執行相應的操作。

在進行微機控制系統設計時，除了系統硬件設計外，大量的工作就是如何根據每個生產對象的實際需要設計應用程序。因此，軟件設計在微機控制系統設計中占重要地位。對于本系統，軟件更為重要。

在單片機控制系統中，大體上可分為數據處理、過程控制兩個基本類型。數據處理包括：數據的采集、數字濾波、標度變換等。過程控制程序主要是使單片機按一定的方法進行計算，然后再輸出，以便控制生產。

為了完成上述任務，在進行軟件設計時，通常把整個過程分成若干個部分，每一部分叫做一個模塊。所謂“模塊”，實質上就是所需要完成一定功能，相對獨立的程序段，這種程序設計方法叫模塊程序設計法。

模塊程序設計法的主要優點是：

1.單個模塊比起一個完整的程序易編寫及調試；

2.模塊可以共存，一個模塊可以被多個任務在不同條件下調用；

3.模塊程序允許設計者分割任務和利用已有程序，為設計者提供方便。

Keil軟件提供豐富的庫函數和功能強大的集成開發調試工具，全Windows界面。另外重要的一點，只要看一下編譯后生成的匯編代碼，就能體會到Keil生成的目標代碼效率非常之高，多數語句生成的匯編代碼很緊湊，容易理解。在開發大型軟件時更能體現高級語言的優勢。下面將介紹Keil開發系統各部分功能和使用。

(1) 建立項目

選擇Project菜單下的New Project命令，創建新工程，在對話框中設定新工程的位置，輸入新工程名字保存即可。

(2)選擇CPU

在出現的為新工程選擇CPU的界面，在“data base”欄下選擇所使用的CPU。如圖4-1所示，在此我們選擇Atmel下的AT80C52，確定后，會彈出一“Copy Standard 8051 Startup Code to Project Folder and Add File to Project”信息， 一般選擇“是”即可。

圖4-1 芯片型號選擇界面

(3)給項目加入程序文件

加入的文件可以是C文件，也可以是匯編文件。加入程序文件的過程如下。

(a)在項目管理器窗口中展開Target1文件夾，可以看到Source Group1。

(b)向Source Group1添加文件。在Source Group1點擊鼠標右鍵，會彈出一菜單，其中有一“Add Files to Group‘Source Group1’”命令，點擊后會彈出一對話框，選擇需要加入的程序文件，并且一次可以加入多個文件。如圖4-2所示

圖4-2 添加文件界面

(c)移走項目：在欲移走的文件上點擊鼠標右鍵，會彈出一菜單，執行其中的“Remove File ‘***’”命令即可。

(d)對文件分組：可以按功能對項目管理器中的文件分成組。先使用圖4-2中的“Manage Components”命令建立組，然后用鼠標直接在組之間移動文件即可。

2. Keil基本操作

編輯狀態的操作界面主要由5部分組成：最上面的菜單欄、菜單欄下面的工具欄、左邊的工程管理窗口、中間的編輯窗口、下面的輸出信息窗口。菜單項主要有：文件、編輯、視圖(View)、工程、調試、片內外設(Peripherals)、工具、軟件版本控制系統(SVCS)、窗口、幫助。 工具都是相應菜單項的快捷操作按鈕，如圖4-3所示：

圖4-3 Keil操作界面

（2）項目的編譯鏈接

設置輸出.hex文件：在Target1上點擊鼠標的右鍵，出現類似圖4-9所示的菜單，點擊執行“Options for Target ‘Target1’”命令，在彈出的會話界面選擇“Output”標簽，選中“Create HEX File”項即可。

編譯鏈接方法：使用Project菜單下的Build target命令或Rebuild all target Files命令，或者直接點擊工具欄中對應的按鈕。

編譯鏈接結果：若有錯誤則不能通過，并且會在信息窗口給出相應的錯誤信息。編譯鏈接通過后，會產生一.hex目標文件[12]。

時光如水，歲月如梭，歷時三個月的畢業設計已經告一段落。經過自己不斷的搜索努力以及指導老師的耐心指導和熱情幫助，本設計已經基本完成。在這段時間里，指導老師嚴謹的治學態度和熱忱的工作作風令我十分欽佩，他的指導使我受益匪淺。同時本系單片機原理實驗室的開放也為我的設計提供了實習場地。在此對實驗室的全體老師表示深深的感謝。

通過這次畢業設計，使我深刻地認識到學好專業知識的重要性，也理解了理論聯系實際的含義，并且檢驗了大學四年的學習成果。雖然在這次設計中對于知識的運用和銜接還不夠熟練。但是我將在以后的工作和學習中繼續努力、不斷完善。這三個月的設計是對過去所學知識的系統提高和擴充的過程，為今后的發展打下了良好的基礎。

由于自身水平有限，設計中一定存在很多不足之處，敬請各位老師批評指正。

1  飛思卡爾半導體公司．全國大學生智能車競賽與飛思卡爾S12單片機.單片機與入式系統應用[J]．2007，(8)：78-79

2  徐鶴．淺談自動導向車(AGV)原理與應用[J]．天津成人高等學校聯合學報2005，7(5)：50-52

3  Chen．Bo．the electric power drags along to move automatic control systemversion 2，Peking:the machine industrial publisher 2000：127-130

4  高月華.基于紅外光電傳感器的智能車自動尋跡系統設計[J]．半導體光電，2009，30(1)：134-137

5  王丹，萬威，石維亮.第一屆“飛思卡爾”杯全國大學生智能汽車邀請賽路虎AC隊技術報告[R]．東南大學，2006

6  王朝盛，基于16單片機MC9S12DG128B智能車系統設計[D]，天津工業大學，2007

7   G.Zhang．the Peng pleased dollar，lately wove MCS-51 the single slice of machine applied a design，version 1，industrial university publisher in Harbin，2003：25-27，411-417

8 邵貝貝．單片機嵌入式應用的在線開發方法[M]．北京：清華大學出版社，2004

9  黃開勝，邵貝貝．學做智能車[M]．北京航空航天大學出版社，2007

10  X．Bo．the single slice of machine application system designs，Peking：The aerospace aviation university publisher，2-5：46-50

11 第四屆全國大學生“飛思卡爾”杯智能汽車競賽華東賽區培訓會關于規則及創意競賽事項說明[A]．杭州電子科技大學．2009

12  李廣弟．單片機基礎．北京．北京航空航天大學出版社，2001：56—64

13 韓飛，陳放，戴春博．第三屆“飛思卡爾”杯全國大學生智能汽車邀請賽CyberSmart隊技術報告．上海交通大學，2008

14 劉林，楊理龍，葉虹．第二屆“飛思卡爾”杯全國大學生智能汽車邀請賽AUTO-2隊技術報告[R]．重慶郵電大學，2007

15  Wang Xiuquan．Route Identification and Direction Control of Smart Car Based on CMOS Image Sensor.ISECS International Colloquium on Computing, Communica -tion，Control，and Management．2008

This paper is designed for the 2nd Freescale Cup National Undergraduate Smart Car Competition. With MC9S12DG128 single chip and smart car model supplied by the committee, a CMOS image sensor is applied to detect the black track on white raceway, which extends the detection range and is helpful to predict the forward path. In this paper, ten-line pixels in an image are analyzed to locate the black track, and the PD algorithm based on PID is employed to control the direction and angle of the steering gear respectively. By repeated testing, the smart car can run stably on the given raceway at a high speed.

Keywords: route identification, direction control, smart car, MC9S12DG128 single chip, image sensor, PID

algorithm.

The rules of 2nd Freescale Cup National Undergraduate Smart Car Competition [1] may be summarized as follows: the raceway consists of a lot of white boards on which a black track is attached; the smart car designed by participants runs along the black track;every car runs two circles in this game and the best times of two circles will be the final score of this car, and apparently the team whose car takes the best times will bear the palm. According to the rules, we should ensure that the car can distinguish the black track from white board in order to make the smart car run stably. There are two common methods for route identification: one is using infrared diode as the sensor, and another is using CCD/CMOS image sensor [2]. This paper using CMOS image sensor as route identification sensor, the reasons for which are as follows: (1) The range which is covered by a infrared diode sensor is much smaller than a CMOS image sensor covers, and only we can do is to use several diode sensors, but the maximum number of diode sensors used in the smart car is 16; (2) The working voltage of a CMOS image sensor(3.3V) is less than a CCD(12V) or 16 infrared diodes. Apparently, using CMOS image sensor can not only reduce the power consumption but also extend the visible range of the smart car, and also enable the car to predict the forward path. This paper presents a systemic solution for identifying the raceway and controlling the direction of smart car.

There are several kinds of CMOS image sensors in the market. In comparison with other CMOS image sensors, the OV6130 CMOS image sensor [3] made by OmniVision Technologies Inc. is the best choice for us to design a CMOS camera for smart car whether from the viewpoint of cost and performance or power consumption. The OV6130 is a black and white sensor which has a 1/4 inch CMOS imaging device containing approximately 101,376 pixels (352×288). This sensor includes a 356×292 resolution image array, an analog signal processor, dual 8-bit A/D converters, analog video multiplexer, digital data formatter, video port, SCCB interface, registers, and digital controls that include timing block, exposure control, black level control, and white balance.By assembling the experimental circuit we test the OV6130 output ports timing (VSYNC, FODD, HERF). Figure 1 shows the experimental timing diagrams.

Referring to the OV6130 datasheet, these timing diagrams match well with those given in datasheet, thus we produce the OV6130 CMOS camera based on the experimental circuit. In order to check whether the images captured by camera have clear definition and sharp contrast or not, and also to confirm the visible range of the camera, we design a VB program for capturing the images and displaying them on computer screen. This program bases on three hardware devices: CMOS camera, MCU or single chip, PC. Figure 2 presents how these three devices work together.

Figure 3 compares the original image of a snake line of raceway with the image captured by CMOS camera and then displayed on screen by VB program. It can be seen that the captured image has clear definition and sharp contrast, and this lays a foundation for route identification to be discussed later.

Route identification aims at helping the smart car to recognize the forward track by a method which picks up the black line from the image captured by CMOS camera,and in fact, this method works well in the following cases:straight line, curving line and snake line. By repeated testing, we decide to analyze 10 lines of a whole image to predict the forward condition of smart car. Figure 4 illustrates how we analyze the 10-line pixels of an image.

The detailed algorithm is introduced as follows:

Step 1: Calculate coordinates of the black pixel for each line ready to be analyzed. As is illustrated in figure 4, the lines (L0, L1, …, L8, L9) are to be analyzed, and the white points (P0, P1, …, P8, P9) are black pixels for each line. The origin O is superposed by P9, which means there is no black pixel in line L9. Assumed that P(x) and P(y) indicate x-coordinate and y-coordinate of point P,respectively, here both P9(x) and P9(y) equal 0.The key of this step is to find the black pixel of each line. Here, by taking the following datum which shows the gray values of all pixels in a line as example, we introduce

a new approach:

195 210 207 215 208 228 236 243 238 234 238 235 231 233 230 235 230 222 196 207 204 208 209 129 160 65 17 15 19 18 79 151 172 153 173 150 147 159 141 153 147 154 137 139 156 136 141 9 141 133 138 4 127 110 141 112 104

(1) Assumed that P is the black pixel of this line, G(i)denotes a pixel and i indicates it’s position in this line, V(i) is the gray value of G(i), j is the position of the first black pixel appearing in the line from left to right. Here both P(x) and P(y) are initiated to 0, and j is 0 from the start.

(2) As for each pixel in this line from left to right,comparing its gray value with the black value B, here we set B as 30, G(i) is a black pixel on condition that V(i)is less than B. In the line above, the pixels underlined in bold, whose gray values are 17,15,16,18, are component points of the black track, and the pixels underlined both in bold and italic, whose gray values are 9,4, are invalid or interferential pixels. If V(i) is less than B, set j as i. Then compare V(j+1) andV(j+2) with B respectively, results go to two sides: ① If both V(j+1) and V(j+2) are less than B, check the gray value for each pixel from G(j+3) to the end pixel of this line. If the total number of white pixels whose gray values are greater than B surpasses or equals to 3, then set P as G(j+1). Otherwise, go to (3); ② If not, repeat this way from the point G(j+3) on.

(3) If there is no black pixel in this line, set both P(x) and P(y) as 0.

Step 2: Calculate the average coordinates of 10 black pixels. As is showed in Figure 4, M is the average point, M(x) and M(y) are expressed as follows:

Step 3: According to the position of M in the image,we can decide in which direction (ahead, left, or right) the smart car should turn. In Figure 4, the smart car should turn right obviously.

Step 4: Calculate how many angles the car should turn.Further descriptions is illustrated in Figure 5, where α is the very angle by which the car should turn right, F is the central point of two front wheels, M is the average point mentioned previously (see Figure 4), D and L1 indicate the width and height of the visible range of CMOS camera respectively, L2 is the distance between visible range and front wheels, L3 is a half of front wheel’s diameter, L2+L3 means the distance between visible range and the axis of front wheels. Referring to Figure 5, it is very easy to calculate the angle α.

The central unit for direction control of smart car is steering gear, its input signal is PWM (Pulse-Width Modulation) pulse, and it outputs corresponding angle in radian. This paper uses the PWM output port of MC9S12DG128 single chip [4] as the input signal of steering gear. By inputting the given discrete width of pulse, we test the relationship between the input and the output. The formula below expresses it:

where X is tangential value of the output angle, Y is width of the input pulse, y0 is the corresponding value when the output angel equals 0 and k is slope. Using this linear relationship we can operate the smart car simply just by inputting the target angel, thus the width of pulse which is the input signal of steering gear can be computed easily,this method, however, doesn’t work well in the following cases: curving line and snake track. Therefore we apply the PID [5] (Proportional, Integral, and Differential) controller which is very popular in fields of automation and control technology. The kernel theory of PID is to do proportional, integral and differential operations on the input difference respectively, then join the three results as the final output value. In practice, it is very flexible for us to use according to features and demands of the object to be controlled. We may choose one or two or all of PID modules, for example, we can use proportional and integral modules to make up of PI controller.As for the smart car, it is no necessary to consider the tracks which have been gone across, so we only use proportional and differential modules as PD adjuster, and P adjuster has been described previously (see Formula(2)), and the following formula shows the D adjuster:

where enew , eold define the differences of this time and last time when the angle is computed (here difference means the angel by which the steering gear should turn), t is scanning period of CMOS camera, kd is differential coefficient which runs from 0.5 to 1.5, D_out is the output of D adjuster.

The challenge of this work is a systemic solution for identifying the black route and controlling the direction of smart car. The performance of CMOS camera is apparently superior to infrared diode whether in scanning range or whether in power consumption, and the clear definition and sharp contrast of image are also important for the further recognition and control. By repeated testing, it is proved that the PD adjuster works well when

the car runs whether on curving line or on snake track at a high speed, and the stability of smart car is also promoted.

基于CMOS攝像頭的智能車路徑識別與方向控制

本文是為第二屆飛思卡爾杯全國大學生智能車大賽而設計的。用單片機MC9S12DG128和由組委會提供的智能車模型，一個用于檢查白色底板上的黑線的CMOS圖像傳感器，增大了檢測范圍和前瞻距離。本文，每幀圖像數據采集10行進行分析，確定黑線位置，用基于PID算法的PD控制器應用于舵機的方向和角度控制。通過反復測試，智能車能以高速穩定的巡線。

關鍵字：路徑識別，方向控制，智能車，MC9S12DG128單片機，圖像傳感器，PID

1、引言

第二屆飛思卡爾杯全國大學生智能車大賽規則可歸納如下：賽道由多個白色底板并在上面粘上黑色膠帶構成；由參賽隊員設計的只能車需沿黑線運行；每輛車在賽道上跑兩圈，兩圈中的最好成績算作最終得分，顯然哪支隊伍取得的成績最好則贏得比賽。根據規則，我們可以確定的是車必須能從白色底板上識別出黑線才能讓智能車穩定運行。一般有兩種方式檢測路徑：一種是用紅外對管作為傳感器，另外一種就是用CCD/CMOS圖像傳感器。本文使用CMOS圖像傳感器作為路徑識別傳感器，原因有以下幾點：（1）紅外對管檢測范圍遠小于CMOS圖像傳感器，眾所周知，要想增大紅外對管檢測范圍只有增加紅外對管數量才能達到目標，但是傳感器使用的最大數目不得超過16個；（2）CMOS圖像傳感器的工作電壓(3.3V)遠小于CCD(12V)或者16個紅外對管。很明顯，用CMOS圖像傳感器不僅會減小功耗而且還能增加智能車的視野，另外也提高了智能車的前瞻性。本文提出了一種智能車的路徑識別和方向控制的系統性解決方案。

2、CMOS攝像頭

市場上有多種CMOS圖形傳感器。與其他CMOS圖像傳感器相比，由OmniVision科技有限公司制造的OV6130 CMOS傳感器，無論從價格或者是性能、功耗方面都是我們設計智能車的最好選擇。OV6130是一個黑白圖像傳感器，內部有1/4英寸的CMOS感光設備，包含了101376個像素點(352×288)。此傳感器包含了一個356×292分辨率的圖像陣列，一個模擬信號處理器，雙8位精度A/D轉換器，模擬信號多路復用器，二進制數據格式器，視頻輸出口，SCCB接口，寄存器和數字控制寄存器，該寄存器包括時鐘模塊，曝光控制，黑色電平控制和白平衡。

通過連接實驗性電路，我們開始測試OV6130輸出口的時序(VSYNC， FODD，HERF)。圖1表示了實驗得到的時序表

(b) FODD-HERF 時序圖

圖1 OV6130實驗所得時序圖

圖2 圖像采集和現實系統結構

根據OV6130的數據手冊，這些時序圖與手冊上給出的數據非常吻合，因此，我們開發了基于實驗電路的OV6130電路板。為了核實攝像頭獲得的圖像是否有較高清晰度和對比度，以及確認攝像頭的可視區域，我們為拍攝到的圖像設計了VB上位機程序以方便在計算機屏幕上顯示所得數據。此程序基于三個硬件設備：CMOS攝像頭，單片機，PC。圖2表示了三個設備是如何同時在一起工作的。

圖3比較了CMOS攝像頭獲得的彎道原始圖像，之后用VB程序將其顯示在計算機上。從它可以看出獲得的圖像有較高清晰度和對比度，這為以后的路徑識別奠定了基礎。

（b）由CMOS攝像頭拍攝到的圖像

圖3 原始圖像與拍攝到的圖像對比

3、路徑識別

路徑識別的目的是通過從獲得的圖像中提取一條黑線幫助智能車感知前方路徑信息。事實上，這種方法用在以下幾種賽道上都工作的很好：直到，彎道，S道。通過重復測試，我們覺定每幅圖像提取10行來預知智能車前方的路況信息。圖4說明了我們如何分析一幅圖像中的10行數據。

圖4 路徑識別示意圖

詳細的算法介紹如下：

Step1：計算每行中黑點的坐標準備分析。如同圖4所示，每行(L0,L1,…,L8,L9)都要分析。圖中的白點(P0,P1,…,P8,P9)表示每行測得的黑點。原點O與P9疊加，意味著字L9沒有黑點。假定P(x)和P(y)表示P點的x坐標和y坐標，故此，知P9(x)和P9(y)均等0。

本步的關鍵在于如何找到各行的黑色像素點。這里，以一行的灰度值為例我們介紹一種新方法：

195 210 207 215 208 228 236 243 238 234 238 235 231 233 230 235 230 222 196 207 204 208 209 129 160 65 17 15 19 1879 151 172 153 173 150 147 159 141 153 147 154 137 139 156 136 141 9141 133 138 4127 110 141 112 104

（1）假定P是此行的黑色像素點，G(i)表示一個像素點，i表示該像素點在此行的位置，V(i)是點G(i)的灰度值，j就是此行從左到右出現的第一個黑色像素點。這里P(x)和P(y)均是從0開始，j也是從0開始。

（2）對于此行從左到右的每個像素點，用閾值B比較他的灰度值，這里B設置值為30，如果V(i)小于B,則G(i)就是一個黑色像素點。在這一行靠前的部分，加粗且帶下劃線的像素17、15、16、18，就是組成黑線的點。斜體加粗且帶下劃線的像素點，9、4，是無效點或者干擾點。如果V(i)比B小，則讓j等于i。然后各自與B比較V(j+1)和V(j+2)，只有兩種結果：①如果V(j+1)和V(j+2)均小于B，從G(j+3)開始核對每個像素點的灰度值直到此行的最后一個像素點。如果白色像素點總數，也就是那些灰度值大于B的像素點超過或等于3，則設P等于G(j+1)。否則跳到（3）；②如果不是，則從點G(j+3)重復此方法。

（3）如果此行沒有黑色像素點，將P(x)，P(y)均設為0。

Step2：計算10個像素點的平均坐標。參考圖4，M就是平均得到的坐標點，M(x)和M(y)被展開如下：

圖5 計算轉角α

Step3：通過圖像中M點的位置我們可以確定出智能車要往那個方向走（直走，左拐，右拐）。在圖4中，很明顯的就可以判斷智能車要往右拐。

Step4：計算智能車要轉多大的角度。更多的描述可以從圖5看出，α是智能車應該轉向的確切控制量，F是兩個前輪的中心點，M是先前提到的平均點（見圖4），D和L1表示CMOS攝像頭可見區域的寬度和高度，分別的，L2就是可視區域與前輪到的距離，L3是前輪的半徑，L2+L3意味著可視區域與前輪軸線的距離。如圖5所示，可非常容易的計算出角度α。

4、方向控制

智能車方向控制最核心的擔憂就是舵機，它的輸入信號是PWM（Pulse-Width Modulation）,它的輸出與角度的大小成正比。本文用MC9S12DG128單片機的的PWM輸出腳作為舵機的輸入信號。通過輸入給定的離散脈沖寬度，我們測得輸入和輸出之間的關系。下面的算式就是用來表示輸入與輸出之間的關系：

這里X就是輸出角度的正切值，Y就是輸入脈沖寬度，y0就是輸出角度為0時，相應的脈沖寬度，k就是斜率。用這個線性關系，我們可以簡單的通過目標角度來操作智能車，因此舵機輸入的脈沖寬度可被簡單的計算出來。這個方法，盡管如此，在下列情況不能工作的很好：彎道和S道。因此我們應用了PID（比例，積分，微分）控制器，此方法在自動控制領域應用相當普遍。PID的核心理論是分別對輸入偏差量做比例，積分，微分操作，然后將三個結果聯合起來作為最終輸出值。實際上，對我們來說根據被控物體的特征及需要來實現PID是非常靈活的。我們可以選取一個或兩個或所有的PID模塊來應用，例如，我們可以用比例和積分模塊組成PI控制器。

對于智能車，不必考慮我們已走過的路徑，所以我們只用比例和微分模塊組成PD控制器即可，P調節前面已經描述過（見公式2），下面的公式則是D調節：

這里當角度被計算時enew , eold定義作此刻和前一時刻的差值（這里差值的意思是指舵機應轉的角度和實際角度的差值），t是CMOS攝像頭的掃描周期，kd就是脈沖寬度由0.5ms到1.5ms的微分系數，D_out是D調節器的輸出值。

5、結論

此項工作的挑戰性在于找到一個解決路徑識別和智能車方向控制的一個系統方法。CMOS攝像頭就目前來看是優于紅外對管的，無論從掃描范圍還是功耗方面。高清晰度和對比度對于更超前的識別和控制是非常有用的。通過反復測試，證明PD調節器在智能車運行時工作良好。無論是彎道還是S道均能以高速完美過彎，并且智能車的穩定性也得到了提高。