0 引言

　　工业机器人技术已经日趋成熟，美国、日本一直处于世界领先地位，机器人性能可靠，功能全面，智能化越来越高，越来越多的机器人已经应用于实际生活中。国内，机器人研究起步较晚，但是进步很快，已经生产出多种机器人。本文基于HCS12单片机设计了一种小车智能控制系统。基于摄像头获得跑道图像，同时通过黑线中心检测出黑线，预判前方的路况信息，进而控制小车的舵机转向和行驶速度。

　　1 系统硬件设计

　　1.1 系统硬件总原理图

　　本系统主要由MC9S12DGl28控制核心、电源管理单元、路径识别电路、车速检测模块、舵机控制单元和直流电机驱动单元组成，以飞思卡尔公司的16位单片机S12为控制核心，路径识别和车速的检测相结合，通过控制转向舵机和驱动电机，使智能巡线机器人系统达到所需的稳定性及快速性要求。原理图如图1所示。

　　1.2 数字摄像头0V6620

　　图1 系统硬件原理图

　　1.2.1 工作原理及时序图

　　摄像头分黑白和彩色两种，为达到循线目的，只需提取画面的灰度信息，而不必提取其色彩信息，所以本设计中只采用了数字摄像头OV6620的黑白辨别功能，这样可以减少单片机采样的负担。工作时序图如图2所示。

　　VYNSC是判断是否一幅图像开始，周期是20ms，其中高电平持续时间很短，忽略;HREF是判断是否一行图像的开始，周期是639s左右，其中高电平持续时间为409s，低电平持续时间 239s，那么可以算一下一场有多少行：20ms/63ps=317 ，当然实际上没有这么多，消隐和无效信号去掉之后只有292行。另外要注意，场中断要通过下降沿捕捉，行中断要通过上升沿捕捉。

　　图2 OV6620时序图

　　有效的灰度数据是在行中断之后的上升沿内，所以不要在行中断后的239s后采集，那是废数据。计算一下一行OV6620有多少个点：40ps/1 10ns=363，消隐和无效信号去掉之后只有356个点。

　　1.2.2 OV6620引脚使用情况

　　管脚9、10、儿、13、18、19x和32悬空，UV0-UV7管脚是OV6620计算彩色管脚，用不到彩色时悬空。VCC和GND接5V和地，地需要和单片机的地相联，而且OV6620摄像头自带了时钟电路，引脚图如图3所示。

　　图3 OV6620引脚图

　　1.2.3 摄像头电源电路

　　由于选择的OV6620摄像头的电源为5V，为了达到这一电源要求，通过芯片LM2940将电池电压7.2V变为5V，供给摄像头使用。电源电路如图4所示。

　　图4 LM2940电源电路

　　在电路设计中，考虑到由于电机驱动所引起的电源不稳定(主要为瞬态脉冲)，在电源输入端，各芯片电源引脚都加入了滤波电路。为了避免由于驱动电机转动时所引起的电磁干扰，在电路板设计中，在印制板上做了敷铜处理，将电路中的“地”与敷铜面相连接。分页1.3 电机驱动与制动电路

　　图5 电机驱动与制动电路

　　在电机驱动电路中采用了传统的MOSFET驱动，利用这样的经典电路能够保证驱动系统的稳定性。在电机制动，利用光耦来实现能耗制动的工作方式。R8为功率电阻，D1为续流二极管，Z7两端接直流电机。当制动信号输入端发出制动信号后，驱动光耦，使三极管导通，这样电机产生的多余能量就通过续流回路消耗在功率电阻上，实现制动。电路图如图5所示。

　　1.4 测速模块

　　为了使得机器人能够平稳地沿着路径运行，除了控制前轮转向舵机以外，速度的控制也是十分重要的，保证机器人在直道上全速行驶，在急转弯时速度不要过快而冲出跑道等，此时速度的检测显得尤为重要。可以通过控制驱动电机上的平均电压控制车速，可以通过摄像头检测图像黑线中心位置信息控制速度，但是如果开环控制电机转速，会有很多因素影响电机转速，例如电池电压、电机传动摩擦力、道路摩擦力和前轮转向角等。这些因素会造成不仅会造成机器人运行的不稳定，还会导致整体速度缓慢等。故而，需要通过速度检测，对速度进行闭环反馈控制，则可以在一定程度上消除上面各种因素的影响，使得机器人运行得更加精确。为了获取道路信息，若需要得到机器人的运动距离，这也可以通过速度的检测来实现。

　　在测速模块中本设计采用了脉冲计数检测速度，在靠近机器人左轮的轴上装一16等分的黑白相问的自制编码盘，将测速传感器安装在编码盘垂直对应的车体上，这样当机器人前进，车轮转动时，编码盘跟随车轮同步转动，当一个黑色脉冲被红外传感器检测到时，速度传感器的输出就变为高电平，产生脉冲，送给单片机的ECT模块，ECT模块捕捉脉冲信号并对其进行计数，同样的，当白色被检测到时，也产生一脉冲，送以单片机计数，在一特定时间内读出脉冲总数，将该总数除以车轮转动一圈移过的脉冲数目，便可以计算出车轮的转动圈数，再乘以车轮周长，得到行驶路程，再除以计数时间，最后得到机器人的速度。

　　2 软件设计

　　图6 软件设计流程图

　　2.1 整体过程

　　在摄像头采集的一帧数据中，将采集的数据分析处理提取每行的黑线中心位置，继续对该数据处理为后面控制策略作准备，准备工作结束，利用信息分别对直流电机和伺服电机实现闭环反馈控制。流程图如图6所示。

　　2.2 图像采集

　　2.2.1 图像采集流程

　　本设计中，采用640×480的OV6620数字摄像头，虽然摄像头采集到的信息比较丰富，但是经过实验证明，只需采集一帧图像中的17行即可，太多的数据信息不仅会占用CPU时间，而且也不能带来有用的信息，故而，对得到的480行数据进行处理，每隔26行经取值得到最终的17行。但是由于摄像头性能不够理想，一帧图像所能够采集的行数和列数是有限的，最终能够供MCU分析的数据每帧仅为17行20列的数组。

　　2.2.2 图像滤波

　　为了排除杂点，提取有效的黑线信息。经过多天的实验测试后，采用的窗口处理算法如下：先将采集的图像数据二值化，再使用3 X 3的窗口进行窗口线性滤波，既当一个窗口中含六个及以上个黑点时的中心为黑点，否则为白点。

　　2.2.3 路径黑线中心的提取

　　在每帧的图像中，采用重心提取算法来实现黑线重心位置的提取。为了缓解CPU堆栈的压力，将图像采集到的数据存放在二维数组中，然后将重心位置重新存入一维数组中。由于所设路径上的白色底板和黑色引导线的灰度值相差较大，因此通过确定一个黑色和白色的阈值来区分黑白。判断相邻数据点灰度值的差值是否大于(或小于)该阈值，从而确定此处是否为黑线上的点。经过多次实验，最后确定阈值为128。从最左端的第一个有效数据点第7列(前6列数据为行消隐区，舍弃)开始依次向右根据阂值判断其是白点还是黑点。

　　为了提高每帧图像处理速度，先对每帧图像的前两行数据进行处理，即在前两行寻找连续的两个黑点，且在列上也要有两个黑点，即为黑线其始处，以此为基本位置，再向下继续寻找黑线重心。若寻找失败则跳过此帧图像。由于实际采集数据中有相当数量的无效帧，所以此举节省了大量MCU资源。

　　在有效帧的每一行，得出每个黑点的位置值，然后将各黑点位置值相加再除以黑点数量，得出图像每行的黑点重心坐标。这样做虽然会在对黑线提取的精度上有所牺牲，但是经过除法后，相当于进行了一个较大的滤波，会使所提取的黑线的误差降低，保证了正确性。

　　在每帧窗口滤波后的图像中，如果有过多行重心“过轻”或者“过重” (即黑点过少或过多)则此帧图像视为无效。跳至处理下一帧图像。在寻找下一行重心时，寻找范围是在上一行的黑点重心的左右附近，若找不到下一行重心，便跳过此行往下寻找。累计出现一定数量的无效行时跳过此帧图像处理下一帧图像。

　　2.3 舵机PID控制

　　PID调节具有原理简单、易于实现、鲁棒性强和适用面广等优点，在实际应用中，根据实际工作经验在线整定PID各参数，往往可以取得较为满意的控制效果。数字PID控制则以此为基础，与计算机的计算与逻辑功能结合起来，不但继承了模拟PID调节的优点，而且由于软件系统的灵活性，PID算法可以得到修正而更加完善，更加灵活多样，更能满足生产过程中提出的各种控制要求。

　　在实际调试过程中发现不可以加积分环节，因为积分环节的作用是消除静差，而运输时并不要求跟随得很紧密，只要不冲出所设定的路径就可以了。于是在直道行驶过程中会不断追求偏差的最小化，而导致不断震荡。于是，取消了I环节，使用PD控制。在选择P和D的参数时，发现如果P给得过大虽然响应很快，但很容易超调，这在偏差量比较小的时候尤为明显。于是，采用了分段PD控制，在偏差量小于一定值时使用小比倒量和小微分量，在偏差量较大的时候才使用大比例量和微分量。

　　另外，发现在速度较低的时候不需要很快的响应速度，过快反而容易导致超调，于是在分段的时候，还考虑了速度的因素，在速度较低的时候使用较小的比例量，在较高的时候采用较大的比例量。

　　图7 PD控制器结构

　　3 结束语

　　本文设计了一个智能车控制系统，实现了快速自动循迹功能。在硬件上，以单片机MC9S12DGl28B作为核心控制单元，结合电源模块、路径识别模块、车速检测模块、舵机控制模块等工作。在软件上，采用图像滤波、二值化以及黑线重心中心提取算法和PD控制、在线PID算法实现对舵机转向和电机转速的控制。实验结果表明该巡线机器人系统响应快，动态性能良好，整体控制性能良好。