| 标题 | 基于测距超声波传感器的间距平衡避障策略 |
| 范文 | 邢强 虞凯西 谷玉之 摘 要： 为实现智能车在狭长通道内的避障，提出基于距离的间距平衡避障策略：控制小车沿两障碍物间距的中点方向前进，沿中间平衡通过。小车以STC12C5A60S2为主控单元，将两超声波测距传感器对称、垂直分布在车头前进方向；根据检测距离，单片机PCA模块产生PWM波控制舵机转向，实现无碳小车避障。该方法模仿生物视觉避障，建立基于距离参数构建间距平衡策略，实现在狭长通道下的单片机控制的实时避障，具有运算量小、运动灵敏、运行稳定等特点。实验表明，间距平衡避障策略，方法简单，并能有效实施实时避障。 关键词： 间距平衡； 避障策略； 超声波测距传感器； 生物视觉； 无碳小车； STC12C5A60S2 中图分类号： TN752.6?34 文献标识码： A 文章编号： 1004?373X（2018）20?0097?03 Abstract： A distance?based spacing equilibrium obstacle avoidance strategy is proposed to realize obstacle avoidance of the intelligent vehicle running in the long narrow lane. The controlled vehicle moves ahead along the midpoint of the spacing between two obstacles， and passes in equilibrium. STC12C5A60S2 is taken as the main control unit of the vehicle， and two range?finding ultrasonic sensors are symmetrically and vertically installed on the head of the vehicle at the forward motion direction. The PCA module of the SCM generates PWM waves to control the rotation direction of the steering mechanism according to the detection distance， and realize obstacle avoidance for the carbon?free vehicle. In this method， biological vision is simulated for obstacle avoidance to establish the spacing equilibrium strategy based on distance parameters， so as to realize real?time SCM controlled obstacle avoidance in the long narrow lane. The method has characteristics of small computation quantity， flexible motion and stable operation. The experimental results show that the spacing equilibrium obstacle avoidance strategy is simple， and can effectively implement real?time obstacle avoidance. Keywords： spacing equilibrium； obstacle avoidance strategy； range?finding ultrasonic sensor； biological vision； carbon?free vehicle； STC12C5A60S20 引 言 传统移动机器人避障法中的可视图法、栅格法、自由空间法等，仅可实现对障碍信息已知的环境避障。在智能避障法中，人们以障碍物为约束条件将路径规划转换为一个优化问题，研究集中于寻找最优序列配置的人工智能算法：如遗传算法[1]、 神经网络[2]和其他算法如粒子群（PSO）算法[3]、 Layer?iterative 梯度函数算法[4]、 基于多项式空间变换方法[5]。这些方法虽然最终可以找到最优序列，但都比较耗时，不利于在线操作[6]。 在仿生避障法中，人们提出基于光流的路径规划法[7?10]，通过光流参数构建平衡策略[11?12]，实现避障，在实时系统中表现良好。 要实现基于单片机的小车实时避障，需减小传感器的信号采集量与信号处理量。源自光流参数路径规划策略，以检测距离作为避障参数，构建间距平衡的避障策略。实施中以STC12C5A60S2为主控单元，HC?SR0超声波模块为测距传感器，基于间距平衡避障策略，实现小车在狭长赛道内的智能避障。1 间距平衡避障法 间距平衡避障策略在于：传感器检测左右对称环境下的距离，当某一侧的偏距较大时，舵机控制向该侧偏转，控制小车沿两间距的中点方向前进。原理如图1所示。 图1中：a，b为两路超声波测出的距离；c为由a，b边构成的三角形中∠C的对边。当a=b时，小车前进方向为A′B边的中点方向；当a，b边长度发生变化时，小车前进方向依旧为AB边的中点方向（即保持两检测点间距相等）。对于对称分布的传感器而言，小车前进方向就需要调整前进角度，即为相应的偏转角[α]。根据图中几何关系、阿波罗尼斯定理及三角函数关系，得舵机转角[α]： 此方法能使小车前进方向沿着两测距点的中点方向前进，保持间距相等。当小車通过障碍物时，两点间距需要满足[a2+b2>W]（W为小车的宽度），否则不通过。2 无碳小车系统设计 2.1 无碳小车结构设计 设计的三轮式电控“无碳小车”，右后轮为驱动主动轮，由下落砝码经传动比为4、模数为1的单级齿轮驱动机构提供前进动力；左后轮为行进从动轮，从动轮与驱动轮间的差速由地面的运动约束确定；前轮为转向轮，由舵机控制实现转向。两超声波传感器对称、且相互垂直分布在小车前端，结构与传感器分布如图2所示。 2.2 无碳小车的硬件电路设计 避障小车采用STC12C5A60S2单片机为主控芯片，较STC89C52来说，不再进行12分频，运行速度比传统的51单片机快7～12倍；拥有2路PWM波可当作DA使用，和较高的定时器或I/O口的利用率与程序运行速度，有助于简化编程。 测距传感器采用HC?SR04超声波测距模块；两模块呈垂直对称分布，通过P1端口与单片机连接，实现两路超声波信号采集。该超声波模块工作测距原理如下：经发射器发出8个频率40 kHz的信号；通过换能器接收反馈信号并产生电压信号，经A/D转换输出回响信号。单片机采集超声波脉冲由传感器发出到接收所经历的时间为t，超声波在空气中传播的速度为c，则传感器与目标物间的距离D可表示为：[D=ct2]。3 基于间距平衡策略的避障实现 3.1 程序设计与实现 平衡避障法实现的关键在于：测距传感器的间距检测；PWM波实现[α]舵机转向的控制。 两测距模块的测距程序如图4a）所示，依次实现对两传感器的信号触发与距离判断。在舵机转向控制程序中，根据式（1）获得航角偏差，通过STC12C5A60S2的PCA模块实现PWM波的输出，舵机转角信号的输出与控制程序流程如图4b）所示。在主程序中，根据超声波传感器测得的距离算出当前位置与目标位置的航角偏差，判断左转、右转或直行；通过PCA模块实现舵机对应转角的控制，实现避障操作。 3.2 实验与结果 根据第五届全国大学生工程训练综合能力竞赛命题“无碳小车”电控组要求：小车初始重力势能由在400 mm高度质量为1 kg的砝码提供；赛道总长度30 m，道面宽度1.2 m，赛道边缘设有高度为80 mm的道牙挡板；赛道上随机设置多个障碍墙，障碍墙高度约80 mm，相邻障碍墙之间最小间距为1 m，每个障碍墙长度为60～75 cm不等；设计的无碳小车长宽（W×H）分别为150 mm×280 mm；车宽与障碍物的间距符合小车通行条件。 将设计的小车放置在起点中点，起点偏障碍一侧，起点远离障碍一侧进行试验，均能成功避障。无碳小车实物与避障测试图如图5所示。4 结 语 为了实现在狭长通道内的避障，提出基于间距平衡的避障策略。该方法基于单片机和传感器原理，以STC12C5A60S2单片机为主控芯片，以HC?SR04为测距传感器实现了对舵机ES08MD的转向角度控制，实现“无碳小车”的避障测试实验。实验是在既定运动方向的情况下实现的，具有一定的局限性；但实验结果证明该避障小车与方法能够很好按照预期完成避障动作，具有运动灵敏、效果好、运行稳定等优点。 参考文献 [1] 郑来芳，孙炜，欧阳明华，等.结合光流和人工势场的风管机器人避障方法[J].计算机工程与应用，2016，52（9）：243?247. ZHENG Laifang， SUN Wei， OUYANG Minghua， et al. Obstacle detection method for duct cleaning robot combining optical flow and artificial potential field [J]. Computer engineering and applications， 2016， 52（9）： 243?247. [2] ATIA M， NOURELDIN A. Recursive genetic algorithm for robot manipulator motion planning in the existence of obstacles [J]. Recent advances in computer science and information engineering， 2012， 124： 571?581. [3] ZHANG Q， JI L， ZHOU D， et al. Nonholonomic motion planning for minimizing base disturbances of space manipulators based on multi?swarm PSO [J]. Robotica， 2015， 35（4）： 861?875. [4] XIE S， WU P， PENG Y， et al. The obstacle avoidance planning of USV based on improved artificial potential field [C]// Proceedings of IEEE International Conference on Information and Automation. Hailar： IEEE， 2014： 746?751. [5] KORAYEM M H， NAZEMIZADEH M， NOHOOJI H R. Optimal point?to?point motion planning of non?holonomic mobile robots in the presence of multiple obstacles [J]. Journal of the Brazilian Society of Mechanical Sciences and Engineering， 2014， 36（1）： 221?232. [6] KORAYEM M H， NAZEMIZADEH M， RAHIMI H N. Dynamic optimal payload path planning of mobile manipulators among moving obstacles [J]. Advanced robotics， 2014， 28（20）： 1389?1402. [7] 张小东，孙国鹏.基于光流的旋翼无人机障碍物检测方法[J].测绘与空间地理信息，2017，40（5）：73?77. ZHANG Xiaodong， SUN Guopeng. Obstacle detection method based on optical flow for rotor UAV [J]. Geomatics & spatial information technology， 2017， 40（5）： 73?77. [8] 胡觉晖，李一民，潘晓露.改进的光流法用于车辆识别与跟踪[J].科学技术与工程，2010，10（23）：5814?5817. HU Juehui， LI Yimin， PAN Xiaolu. An improved optical flow algorithm in vehicle identification and tracking [J]. Science technology and engineering， 2010， 10（23）： 5814?5817. [9] 张磊，项学智，赵春晖.基于光流场与水平集的运动目标检测[J].计算机应用，2009，29（4）：972?975. ZHANG Lei， XIANG Xuezhi， ZHAO Chunhui. Motion object detection based on optical flow field and level set [J]. Journal of computer applications， 2009， 29（4）： 972?975. （上接第99页） [10] 沈美丽，宋华军.基于角点检测的光流目标跟踪算法[J].电子器件，2007，30（4）：1397?1399. SHEN Meili， SONG Huajun. Optic flow target tracking method based on corner detection [J]. Chinese journal of electron devices， 2007， 30（4）： 1397?1399. [11] SOUHILA K， KARIM A. Optical flow based robot obstacle avoidance [J]. International journal of advanced robotic systems， 2007， 4（1）： 13?16. [12] FRANCESCHINI N. Small brains， smart machines： from fly vision to robot vision and back again [J]. Proceedings of the IEEE， 2014， 102（5）： 751?781. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。