描述

介紹

對(duì)于 23 年秋季的 ELEC 424 最終項(xiàng)目，該團(tuán)隊(duì)的任務(wù)是創(chuàng)建一輛自動(dòng)遙控汽車 - 從功能上講，該汽車具有兩個(gè)主要功能：

• 準(zhǔn)確地遵循定義的車道
• 當(dāng)它在其路徑中檢測(cè)到紅色框時(shí)停止

汽車的自主處理和決策是由 BeagleBone AI-64 執(zhí)行的，輸入數(shù)據(jù)是從單個(gè)網(wǎng)絡(luò)攝像頭收集的。汽車默認(rèn)在車道保持狀態(tài)下運(yùn)行，當(dāng)它在其路徑中檢測(cè)到紅色框時(shí)，它會(huì)切換到“停止并等待”狀態(tài)。經(jīng)過(guò)一段固定的時(shí)間后，汽車將恢復(fù)車道保持狀態(tài)并繼續(xù)行駛。

由于我們參考了 Instructable 的用戶“raja_961”之前完成的自主工作，因此該項(xiàng)目的主要挑戰(zhàn)是實(shí)現(xiàn)較低級(jí)別的功能，例如速度編碼器以及移植參考代碼以在 BBAI64 上工作。

速度編碼器安裝在車輪的軸上，主要測(cè)量車輪旋轉(zhuǎn)的速度。此信息是使用 Linux 設(shè)備驅(qū)動(dòng)程序記錄的。然后將其轉(zhuǎn)換為 Python 中的速度單位，然后再用于反饋網(wǎng)絡(luò)以控制汽車的速度。

用戶 raja_961，“使用 Raspberry Pi 和 OpenCV 的自動(dòng)車道保持車”。教科書。網(wǎng)址：https ://www.instructables.com/Autonomous-Lane-Keeping-Car-Using-Raspberry-Pi-and/

設(shè)置分辨率和增益參數(shù)

調(diào)整比例和微分增益參數(shù)是一個(gè)反復(fù)試驗(yàn)的過(guò)程。這些值不斷變化，直到汽車不僅能夠快速糾正上升錯(cuò)誤（即響應(yīng)性地跟隨車道中的轉(zhuǎn)彎），而且在糾正錯(cuò)誤時(shí)也不會(huì)超調(diào)。所選值為 k_p = 0.2 和 k_d = k_p * 0.1

相機(jī)的分辨率也被調(diào)整到最佳位置，它足夠低以允許在 BBAI64 上進(jìn)行快速處理，同時(shí)仍保留準(zhǔn)確車道保持和停止框檢測(cè)所需的足夠特征細(xì)節(jié)。所選分辨率為 320x240。

檢測(cè)停止盒

停止框檢測(cè)是使用覆蓋 HSV 中紅色體積的 4 個(gè)角窗完成的。“切片”包含所有紅色值的 HSV 圓柱體區(qū)域，4 個(gè)窗口位于左右邊緣的頂角和底角。使用cv.inRange和cv.countNonZero函數(shù)計(jì)算相機(jī)幀中紅色像素的數(shù)量：

left_lower_red = np.array([0, 40, 100],)

left_upper_red = np.array([25, 130, 200],)

right_lower_red = np.array([150, 40, 100],)

right_upper_red = np.array([200, 130, 200],)

…………

left_mask = cv2.inRange(frame, left_lower_red, left_upper_red)

right_mask = cv2.inRange(frame, right_lower_red, right_upper_red)

mask = cv2.bitwise_or(left_mask, right_mask)

num_red_px = cv2.countNonZero(mask)

如果紅色像素的數(shù)量高于停止閾值（=1800），則觸發(fā)停止框的檢測(cè)。

地塊

?

上圖顯示了汽車在整個(gè)過(guò)程中的誤差、轉(zhuǎn)向 PWM 和速度 PWM。特別是在幀 100-200 和 500-600 上，我們可以看到轉(zhuǎn)向 PWM 與誤差有明顯的關(guān)系，因?yàn)?a target='_blank' class='arckwlink_none'>算法試圖糾正誤差。

?

。

?

?

?