智能小车的无支路循迹算法设计

赵涓涓;杜麒麟;屈明月;强彦

【摘 要】智能小车作为一种四轮驱动式的移动机器人,拥有广阔的应用前景.通过对自主循迹智能小车的研究,在BFD-1000循迹模块的基础上重新设计了避障算法,利用四级转弯模式和修正模式的设计有效地解决了“圆形”陷阱问题,消除了普通循迹算法中的“颤抖”现象.重点解决智能小车在无分支轨迹上行驶不够流畅的问题,实现使小车流畅转弯的目标.算法经过反复实验测试以调整参数,最终达到了较好的循迹效果.%As a four-wheel driven mobile robot,the use of intelligent cars has a broad prospect.Braed on the study on auto-tracking intelligent cars,we redesign the obstacle avoidance algorithm on the basis of the tracking model of BFD-1O00.By adopting the design of fourlevel turning mode and correction mode,the algorithm successfully solves the \"circle\" trap problem,and eliminates the trembling phenomenon of general tracking algorithms.What has been elaborately resolved in this paper is that the intelligent cars did not run smoothly enough on no-branch track,this reaches the goal of smooth turning of the cars.The algorithm has been repeatedly tested for adjusting the parameters,and eventually achieves good effect of tracking. 【期刊名称】《计算机应用与软件》 【年(卷),期】2013(030)006 【总页数】4页(P147-149,201)

【关键词】智能小车;循迹算法;转向控制;优化;修正模式;避障 【作 者】赵涓涓;杜麒麟;屈明月;强彦

【作者单位】太原理工大学计算机与软件学院 山西太原030024;太原理工大学计算机与软件学院 山西太原030024;太原理工大学计算机与软件学院 山西太原030024;太原理工大学计算机与软件学院 山西太原030024 【正文语种】中 文 【中图分类】TP301

近几年，智能机器人比赛在国际上迅速兴起。而智能小车作为该领域中的一个重要研究课题，它已经引起了众多专家学者的广泛关注和极大的兴趣。其中美国的智能车大赛是由美国国防部与院校、企业和发明家联合开展的全球领先的智能汽车竞赛。2007年11月，美国第三届智能汽车大赛在加州维克托维尔举行。智能汽车比赛的目的是激励未来科学家。大学、企业和发明家们期望制造出通过洛杉矶和拉斯维加斯间的荒地、行程160km的自主控制汽车。

我国关注机器人科技的发展，重视人才培养，例如教育部从2006年起开始举办“飞思卡尔”杯全国大学生智能汽车大赛。因此，针对自主循迹智能小车的研究设计，能够促进传感技术、汽车电子和计算机等多个学科学术水平的提高［1］。本文重点解决智能小车在无分支轨迹上行驶不够流畅的问题，分析问题、提出解决方案，并优化设计、重新实现了循迹算法。

智能小车作为轮式机器人的一种，行动灵活、扩展多变，能够方便地搭载各类传感器［2］。实现循迹的方法主要有光学［3］、视觉、红外传感器、激光［4］等，近年来，国家大力推广物联网学科的发展，为智能循迹小车的运用搭建了一个更加广阔的平台。搭载有通信模块的智能循迹小车是可以代替消防人员进行灾情探查，

能够执行许许多多人们无法完成的任务［5］。智能循迹小车的运用是惠及广大民众，是各种家用、商用机器人［6］设计的基础。 2．1 BFD-1000循迹模块介绍

BFD-1000集成5路循迹传感器，适合各种黑（白）线轨迹的跟踪：模块以数字输出（高低电平表示为1／0），探测到黑线时输出低电平（0），探测到白线输出为高电平（1）。

BFD-1000的硬件结构如图1所示。

智能小车正是通过BFD-1000传感模块检查到的信号来判断行驶状况，从而进行针对性控制［7］。如表1所示。 2.2 常见的循迹方式分析

在循迹过程中遇到的弯角或直角时，常见的智能小车转向控制方式是左右两侧的车轮反相转动［8］。使小车停留在原地旋转并调整方向，当方向正确后再继续向前行驶。这种方式是基于最大转角的循迹方式，它保证小车能够严格遵循轨迹行驶，不偏离轨迹。但是当小车行驶在弧线轨迹上时，会出现“颤抖”的现象，即频繁地使小车停下、旋转调整方向，如图2所示。

这种小车的转向控制方式存在着较为明显的弊端，例如频繁地改变电机的电流方向容易使其发热损坏，会加重小车上齿轮的负担，寻迹误差较大并且寻迹行驶效率低下。因此设计一个更高性能的小车循迹算法十分必要，为此我们提出了优化的无分支智能小车循迹算法。 3.1 算法分析

（1）无支路曲线循迹算法

为解决在常见的循迹算法中的“颤抖”问题，智能小车将根据弯道的缓急程度智能的调节转弯快慢的程度。

当只有SS3感应到路线时，说明此时小车没有偏离轨道，小车应保持直线行走；

若是SS2感应到路线，说明此时小车已初步偏离轨道至右方，小车应向左缓转弯；若是SS1感应到路线，说明此时小车已严重向右偏离轨道，小车应向左急转弯；若是SS4感应到路线，说明此时小车已初步偏离轨道至左方，小车应向右缓转弯；若是SS5感应到路线，说明此时小车已严重向左偏离轨道，小车应向右急转弯。 通过小车的缓急两种转弯方式，小车已经可以初步解决“颤抖”问题，但由于设置的转弯的模式只有两种，小车的转弯仍然不够灵活，而且这种算法还存在着一些问题。

（2）算法的优化——解决“圆形”陷阱

对原算法进一步优化，小车的转弯快慢程度不再是只有缓急两种，而是分四种转弯程度，分别对应1，2，3，4。1的转弯的程度最低，也最平稳，4的转弯程度最高，能够应付急弯道。

利用原算法，在遇到一些特殊的地形时会出现“贴边”现象，如图3所示的地形。 在这种地形中，小车将不断地进行向一个方向的转弯，很可能会出现小车在整个路线的行驶过程中，一直是小车的内侧贴着路线循迹［10］的情况。为解决这个问题，本算法提出了基于时钟中断的修正模式算法设计。

在这种算法设计下，当小车偏离轨道，也就是小车中间的感应器SS3不再单独感应到路线时，系统进入修正模式，每当经过一个修正期，若小车仍没有拐回正轨，则小车的转弯快慢程度加1，直到小车回到正中间为止时退出修正模式。在这样的设计中，若遇到“圆形”陷阱那样的地形，小车不会在较小的转弯程度下，一直贴边行驶，它会随着时间的推移使小车的转弯程度将越来越大，终而回到正轨。 此时，小车的两边的感应器不再是切换小车转弯快慢程度的主要手段，而更像是一个门限器，当SS2或SS4感应到路线时，小车的转弯快慢程度小于1，则更改其为1，当SS1或SS5感应到路线时，小车的转弯快慢程度直接升至最大值4。 3.2 算法实现

算法1 循迹算法

程序开始以后，首先关闭时钟中断，当中间信号源感应到路线且系统不处于修正模式，将系统设置为修正模式，接着将时钟中断时间设置为0.5秒，之后开启时钟中断；当中间信号源感应到路线且系统处于修正模式的情况下：

当1号传感器将检测到信号时，就将转弯程度值设为4，之后方向值将被设为左，然后根据转弯值及其方向设置小车的运行状态；

当2号传感器检测到信号时，方向值为右并且转弯程度值小于1时，将转弯程度值设为1，否则设置方向值为左，然后根据转弯值及其方向设置小车的运行状态； 仅当3号传感器检测到信号时，就将转弯程度值设为0，设置方向值为前，之后关闭时钟中断，然后根据转弯值及其方向设置小车的运行状态；

当4号传感器检测到信号时，若方向为左且转弯值小于1时，将转弯程度值设为1.否则将方向值设为右，然后根据转弯值及其方向设置小车的运行状态； 当5号传感器检测到信号时，将转弯程度值设为1，设置方向值为右，然后根据转弯值及其方向设置小车的运行状态。

以上5步，在设置完小车的运行状态后，清看门狗。

在代码中，变量Swerve代表小车的转弯快慢大小，不代表直行的速度，它是一个外部变量，其初值为0。Direction代表小车目前的转动方向，分左、右、直行三个方向，其初值为Forward。IsModifyPhase表示现在是否处于修正期，其初值为false。 代码实现：

算法2 时钟中断部分算法

算法开始后，如果转弯程度＜4，转弯程度值先将自增1，然后清中断位，否则直接清中断位。

最大转角循迹算法与本文基于修正期的循迹算法的性能比较：

对小车进行两种算法上的性能比较，当小车运行速度为0.5米每秒时，表2描述了小车在5m长的弯道和不同的转角轨道上运行不同算法时的运行状态。 分析其曲线图，图4为两种算法的时间效率比较曲线图。

该测试结果表明随着曲率半径的增大，采用基于修正期的循迹算法的循迹系统具有更快的循迹速度。

图5为两种算法的时间效率比较直方图，其中，纵轴代表颤抖次数。

该测试结果表明随着曲率半径的增大，采用基于修正期的循迹算法的循迹系统具有更少的颤抖次数。

在弯度比较缓的情况中基于修正期的循迹算法相对于最大转角循迹算法具有明显的优势。

本文针对自主循迹智能小车的研究设计，重点解决了智能小车在无分支轨迹上行驶不够流畅的问题，基于BFD-1000循迹模块重新设计了避障算法，采用4级转弯模式，利用修正模式的设计解决了“圆形”陷阱的问题。

通过对本文所设计的基于修正期的循迹算法和一般性的最大转角循迹算法进行实验比较比较，在枚举曲率半径为［无穷大，10m，2m，0.7m，0.3m，0.2m，0.1m］的情况下，基于修正期的平均循迹时间为13.214s，平均颤抖次数为4.86次，而普通最大转角循迹算法的本文设计的平均循迹时间为16.857s，平均颤抖次数为14.23次。可见本文设计的算法有明显的优势，具有更快的转弯速度和更流畅的转弯效果，基本消除了“颤抖”现象，实现了流畅转弯的目标，通过观察分析两张时间效率比对图可发现，本算法在缓弯道上优势尤为明显。

这一设计思想可广泛运用到各种小车的循迹算法中，使小车的转弯速度更快更稳，提高小车的性能。

【相关文献】

［1］Zang Shigeng，Zeng Yingpei，Chen Lijun.Performance Evaluation of Localization Algorithms for Mobile Sensor Networks［J］.Journal of Software，2011，22（7）. ［2］Zhang Mengqi，Liu Huqiu，Wang Shuguang，et al.The design and implementation of automated smart car system based on camera［C］.MACE，2011：782- 786.

［3］Hans P Moravec.Sensor Fusion in Certainty Grids for Mobile Robots［J］.IEEE Trans on Pattern Analysis and Machine Intelligence，2011，9（2）.

［4］Farooq Umar，Hasan KM，Abbas Ghulam，etal.Comparative analysis of zero order Sugeno and Mamdani fuzzy logic controllers for obstacle avoidance behavior in mobile robot navigation［C］.CTIT，2011：113-119.

［5］Sun Zuolei，Mao Xuchu.Quantification of Relative Movement Uncertainty Based on Laser Scan Matching and Graphical Model for Mobile Robot［J］.AUTOMATICA SINICA，2011，37（2）：205- 213.

［6］Sun Yao，Zhang Qiang，Wan Lei.Small Autonomous Underwater Vehicle Navigation System Based on Adaptive UKF Algorithm［J］.AUTOMATICA SINICA，2011，37（3）：342- 353.

［7］Kim Dong-Hyung，Kim Chang-Jun，Lee Ji-Yeong，et al.Development of sensor-based motion planning method for an autonomous navigation of robotic vehicles［J］.Journal of Institute of Control，Robotics and Systems，2011，17（6）：513- 520. ［8］Fu Yi，Howard Li，Mary E Kaye.Hardware／software codesign for a fuzzy autonomous road-following system［J］.IEEE Transactions on Systems，Man，and Cybernetics，2010，40（6）.

［9］Keller Christoph G，Dang Thao，Fritz Hans，et al.Active pedestrian safety by automatic braking and evasive steering［J］.Intelligent Transportation Systems，2011，12（4）：1292- 1304.

［10］Nie Zhanglong.Study and application of the smart car control algorithm［C］.ICCIC，2011：138- 147.

［11］Guilherme V Raffo，Guilherme K Gomes，Julio E Normey-Rico，et al.A predictive controller for autonomous vehicle path tracking［J］.IEEE Transactions on Intelligent Transportation Systems，2009，10（1）.