智能车的探索与思考（三）_智能车摩托组-CSDN博客

本文链接：https://blog.csdn.net/ts1909/article/details/140741607

摩托组校赛失利，相关的研究也就暂时搁置了，没再去修。后续在学长的帮助下，更换组别，重新开始，我们非常感谢学长的帮助，让我们有机会继续参与比赛。

新的组别是MicroPython组，对我们来说比较大的挑战一个是队友不会python语言，而我们整体的时间只剩一个月。另一个是库函数不多，有些功能没有函数，要自己写，有些参数不知道具体作用么，要去试。还有一个最头疼的，调试结果没有直观的展示：上位机用不了、屏幕不灵敏、按键用不出来，只有车连着电脑时候才看得到数据，动起来之后只能观察小车运动去推测，然后修改。

完赛

学长的代码中给了CCD处理、电机PID控制函数、舵机控制函数，学长在此基础上引导我们写出了完赛的基本思路：通过CCD二值化结果完成边界寻线，以中线误差加到舵机控制上，实时修正，完成了小车慢速直行、转弯等基本功能。

medium_line=(left_line+right_line)//2

err=medium_line-64
a=int(5679-k*err)
#更新 PWM 输出，使舵机动
pwm_servo.duty_u16(a)

其中k为参数，通过简单调整，确定放向后调整大小，k值越大，小车对赛道中线的反应越明显，即转向幅度越大。

提速过程中，车速越快转弯时需要的k值越大，但直线同时会变抖，为此引入新的参数。

a=int(5679-servo_kp*err+servo_ki*(err-last_err)+gyro_z*servo_kd)

kd的引入通过获取车身角速度，目的是对小车抖动幅度进行抑制，使得kp可以进一步增大，速度较快时转弯更稳定。ki的引入，增强p、d控制下直线的稳定性。

我们也尝试过动态参数，即设定直线、弯道不同赛道元素下的不同参数，但因为调参难度较大、时间不足，最终选择提高泛用性，只用一套舵机参数。

赛道识别方面，特殊元素（直线、弯道之外）包括十字、坡道、障碍、环岛，起初针对英飞凌镜头组的开源项目进行学习，并对其中的识别、判断、控制函数进行从C语言到python的移植，学习并使用了两个星期，期间也了解过其他ccd组的循迹思路，但结果都没有很理想，多数情况不如原来什么特殊识别都不加的程序，因此最后一周决定自己写。

在多次的调试无果后，我们发现许多功能难以实现的原因在于单片机性能有限，有时候带不动，因此许多复杂的算法都需要舍弃，数组也不能定义太多。整理重组之下，得到了较为精简的代码。

通过遍历与跳变点判断，实现终点停车。

主控部分，通过中线误差完成舵机控制。

思路分享

最终的完赛代码为CCD循迹，尽量减少芯片运行负担，较简洁，算上注释不到两百行。

数据处理，在二值化和动态阈值之间，最终选择了动态阈值算法，原因有两个，一是动态阈值调试时应受反光影响小，二是循环次数少，可以少定义一个数组。动态阈值的缺点是稳定性略差，容易抖，需要更好的参数控制。

电机控制，因时间有限，未能在参赛之前写出，基本思路就是将电机占空比和误差挂钩，两边电机占空比上加减一个数，形成差速帮助小车转弯。在小车达到一定速度之后才有必要进行，速度较慢时三个参数就足够。

舵机控制，即上文提到的pid控制方式，引入误差、误差的差、角速度三个因素，调整参数。不同速度、直道弯道的最佳参数均有差异，但在一定速度范围内，一套参数也能用，调参压力小。

赛道判断，结合我们的调试经验，中线循迹的优点在于除了环岛都能跑，不写赛道判断的时候，已经能做到不加环岛完赛，但也导致环岛识别很难。为了稳妥完赛，最终比赛时没有加入环岛判断，这里分享一种环岛判断思路。入环岛时，赛道突然变宽，一侧丢线，此时保持直行；两侧不丢线、路宽逐渐变宽时，附一条虚拟的边界线，使小车转弯；从入环岛起算，通过陀螺仪记录小车转动角度，角度到360度时，关闭环岛判断，即可出环岛，注意区分左右圆环。