發(fā)布時間：2021-03-24 19:22

  智能車相對于傳統(tǒng)汽車多了"思考"的過程,在沒有人為干預(yù)的情況下,智能車可自行完成啟動、加速、停車,且在行駛過程中可根據(jù)周圍環(huán)境規(guī)劃行駛路線,對障礙物進行規(guī)避。在復(fù)雜多變的環(huán)境中,相對于人類,智能車的"大腦"具有更快的反應(yīng)能力,可在短時間內(nèi)規(guī)劃出最優(yōu)方案。對于突發(fā)事件的處理,智能車也比人類有更快的反應(yīng),可避免一些交通事故,使智能交通成為現(xiàn)實。目前隨著GPS的普及,車輛的自主導(dǎo)航系統(tǒng)日趨成熟,但由于實際路況的復(fù)雜性,對于路徑識別和避障規(guī)劃還是難題�；�于攝像頭傳感器的智能車系統(tǒng)路徑規(guī)劃研究開發(fā)很有必要,其中對路徑識別及避障算法的研究成為智能車研究領(lǐng)域的熱點,具有重要的研究價值。本文設(shè)計了一種基于機器視覺的自主尋徑及避障的智能車系統(tǒng),該智能車相比較以往通過識別單引導(dǎo)線行駛過程中誤差較大的問題,提出了一種可識別雙邊引導(dǎo)線以及自主避開行駛路徑上障礙物的智能車系統(tǒng)。在硬件方面,智能車采用Freescale的32位微處理器MK60FN1M0VLQ15作為主控模塊,并通過CMOS攝像頭OV7620采集賽道的圖像信息,對采集的原始圖像進行處理,準確的識別賽道以及賽道上障礙物的信息。選擇合適的元器件完成智能車的各個模塊的設(shè)計,包括微控制器模塊、系統(tǒng)電源模塊、路徑感知模塊、調(diào)試模塊。同時設(shè)計完成了智能車的機械結(jié)構(gòu),保證智能車在賽道上的平穩(wěn)運行。在軟件方面,本文介紹了智能車常用的引導(dǎo)線識別方法,包括閾值分割法和邊緣檢測法。通過對比驗證,最終采用邊緣檢測法作為智能車的引導(dǎo)線識別方法。對于智能車的避障路徑規(guī)劃,本文采用引入引力場函數(shù)的人工勢場法作為避障算法應(yīng)用于智能車�？紤]到智能車運行在動態(tài)環(huán)境中,故在人工勢場算法中加入了智能車與障礙物之間的距離信息以及速度、加速的的信息。通過引入引力場函數(shù),使智能車擺脫局部最小的限制。對于智能車舵機方向控制策略采用模糊控制算法。通過仿真驗證可看出,舵機模糊控制策略使智能車有更快的響應(yīng)速度,提升了系統(tǒng)的穩(wěn)定性。對于智能車車速控制采用增量式PID控制策略。相對于傳統(tǒng)的PID控制策略,增量式PID控制策略使系統(tǒng)的超調(diào)量減小,使控制器能夠更好的對車速進行調(diào)節(jié)。
【學位授予單位】：安徽工程大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP23

【參考文獻】

相關(guān)刊論文 前10條

1 李亭;喬潔;劉永濤;;基于單目視覺的自主尋跡智能車設(shè)計與實現(xiàn)[J];重慶理工大學學報(自然科學);2016年10期

2 董蓉;李勃;徐晨;;基于彩色對數(shù)圖像處理的運動陰影檢測方法[J];計算機工程與設(shè)計;2016年08期

3 唐玲;陳明舉;楊平先;;基于機器視覺的車輛距離測量系統(tǒng)設(shè)計[J];實驗室研究與探索;2016年03期

4 王俊龍;張國良;羊帆;敬斌;;改進人工勢場法的機械臂避障路徑規(guī)劃[J];計算機工程與應(yīng)用;2013年21期

5 劉巖俊;;嵌入式DSP圖像處理系統(tǒng)設(shè)計與實現(xiàn)[J];國外電子測量技術(shù);2013年09期

6 蔡翠;;我國智慧交通發(fā)展的現(xiàn)狀分析與建議[J];公路交通科技(應(yīng)用技術(shù)版);2013年06期

7 張殿富;劉福;;基于人工勢場法的路徑規(guī)劃方法研究及展望[J];計算機工程與科學;2013年06期

8 吳強;韓震宇;李程;;基于增量式PID算法的無刷直流電機PWM調(diào)速研究[J];機電工程技術(shù);2013年03期

9 沈圓;李國勇;;圖像的閾值分割法設(shè)計[J];機械工程與自動化;2012年05期

10 許鵬飛;苗啟廣;李偉生;張軍英;;基于函數(shù)復(fù)雜度的自適應(yīng)模擬退火和禁忌搜索新算法[J];電子學報;2012年06期

相關(guān)碩士學位論文 前1條

1 孫備;循跡智能賽車控制系統(tǒng)的研究與實現(xiàn)[D];蘭州理工大學;2013年

本文編號：1916064