哈尔滨工业大学华德应用技术学院 Delta三角洲技术报告.docx

哈尔滨工业大学华德应用技术学院 Delta三角洲技术报告.docx

《哈尔滨工业大学华德应用技术学院 Delta三角洲技术报告.docx》由会员分享，可在线阅读，更多相关《哈尔滨工业大学华德应用技术学院 Delta三角洲技术报告.docx（73页珍藏版）》请在冰豆网上搜索。

哈尔滨工业大学华德应用技术学院Delta三角洲技术报告

第四届“飞思卡尔”杯全国大学生

智能汽车竞赛

技术报告

学校：

哈尔滨工业大学华德应用技术学院

队伍名称：

Delta（三角洲）

参赛队员：

王原

王寅杰

刘福生

带队教师：

赵建新

关于技术报告和研究论文使用授权的说明

本人完全了解第四届“飞思卡尔”杯全国大学生智能汽车邀请赛关保留、使用技术报告和研究论文的规定，即：

参赛作品著作权归参赛者本人，比赛组委会和飞思卡尔半导体公司可以在相关主页上收录并公开参赛作品的设计方案、技术报告以及参赛模型车的视频、图像资料，并将相关内容编纂收录在组委会出版论文集中。

参赛队员签名：

带队教师签名：

日期：

摘要

本文详细介绍了Delta（三角洲）队参加第四届“飞思卡尔”杯智能车大赛而准备的车模方案。

本方案使用OV6620图像传感器获取赛道信息，通过增量式编码器拾取赛车速度，将所得到的信息反馈给9S12XS128微控制器，通过单片机内所预置的控制策略对图像进行形态学和神经网络算法处理后控制舵机的角度和电机的速度，使得车模在跑道上快速、平稳的行驶。

在本文中将介绍赛车的硬件设计、软件设计、调试方法及过程。

关键词：

智能车；PID；图像处理；控制策略

第一章引言

1.1比赛背景介绍

飞思卡尔智能车竞赛是由教育部高等自动化专业教学指导分委员会主办的全国大学生智能汽车竞赛。

该项竞赛是由教育部主办的的五大竞赛之一。

竞赛是以“立足培养，重在参与，鼓励探索，追求卓越”为指导思想，目的在于提高大学生的专业素质，激发大学生的创造力和想象力，增强团队协作意识和能力。

第四界智能车竞赛的决赛将于北京科技大学举办。

组委会规定各队采用统一的车模和电池，推荐使用飞思卡尔单片机作为控制器，智能车在单片机内预置控制策略的控制下循迹行驶，单圈行驶速度最快为优胜。

同时竞赛要求在本界竞赛在原有竞赛规则中中增加了窄道区等新规则，增加了比赛的难度、趣味和观赏性。

1.2车模总体制作方案

车模形状设计构思如图1.1所示，电路总体设计方案如图1.2所示。

图1.1车模设计构思

车模采用OV6620图像传感器作为道路信息采集传感器，整个车体的控制采用闭环控制系统，速度传感器使用欧姆龙360线增量型编码器，以飞思卡尔半导体公司9S12XS128单片机作为控制核心。

电机采用8片大功率MOS组成的H桥驱动，速度传感器输入配合解码电路，使反馈更准确。

图像更新速度为每秒50次，舵机控制周期为20ms，速度更新周期为5ms，图像传感器高度小于25cm，车辆的有效前瞻为75cm。

图1.2车模电路设计构思

图像取自OV6620图像传感器YUV输出的Y信号（亮度信号），通过固定阈值和动态阈值修正方法取得二值化阈值并对每一幅画面进行二值化处理。

应用形态学方法对图像去噪声，并使用神经网络方法的简化和改进算法进行跑道的提取。

使用得到的数据对舵机实行PD控制，分析跑道特征控制车辆速度，车模的驱动电机使用增量PID控制。

实验中车模外形如图1.3所示。

图1.4所示为最终的参赛车模。

图1.3实验车模外形

图1.4车模最终外形

1.3技术报告的结构安排

本技术报告是对参赛智能汽车制作技术方案、设计思路、制作过程、调试手段及其他相关技术研究的总结性报告。

本报告共分为六个部分，其中第一章为引言部分，简单介绍比赛背景、总体设计方案及本文结构；第二章重点介绍系统硬件电路的设计与实现过程；第三章将详细介绍赛车的机械结构安装与调整过程，包括舵机、车体前轮倾角、重心的调整、传感器安装等。

第四章是软件系统的设计与实现，重点介绍图像处理和标志提取的问题，本章还将介绍转向及转速的PID控制策略。

第五章详细介绍了赛车系统开发的调试工具、介绍调试过程及遇到的问题及解决方法。

最后第六章对本文进行总结概括，指出了存在的问题及下一步改进的方向和展望。

第二章硬件结构设计

2.1图像传感器的选择

图像的效果和图像的获取的大小直接关系了车辆的运行稳定性和高速型。

一款好的面阵图像传感器（即摄像头）应有高速采集、大的视野、好的动态和较强的适应性等。

可见这些都是选择图像传感器的条件。

针对市场上琳琅满目的产品，从中选择一款合适的作为车模的主要传感器显然是有一定困难。

市场上的图像传感器大体分为CCD和COMS两种。

而COMS图像传感器（以下简称COMS型）又大体分为数字型输出和模拟（复合视频方式）输出型两种。

要确定使用何种传感器我们必须充分的分析CCD图像传感器（以下简称CCD型）和COMS型的优缺点。

对于电源供应的考虑，CCD型大多采用的是大电流高电压驱动，工作电压多为12V。

而我们的车模的整个电源由电池提供，其电池饱和时电压也不会超过9V，难以满足CCD型传感器的要求。

这就需要单独的设计BoostDC-DC电路为其单独供电，电路也会复杂，同时DC-DC变换器的高频噪声也可能对整个电路的稳定性造成危害。

而COMS型几乎都是采用5V电源工作，对于9V的电源通过简单的线性降压器件即可获得电源，且方便可靠，其次CMOS型传感器的工作电流也相对于CCD型小了很多。

图像信号本身是模拟信号，而我们的处理器只能处理数字信号，这就要求我们必须将信号进行数字化，传统大家都是使用单片机内部AD转换，再通过LM1881这样的芯片进行行、场同步信号的分离，它最大弊端即受内部AD的转换效率限制，从而使得图像采集的精度下降，导致控制精度下降。

当然我们也能看到在前几届竞赛中有队伍使用像TCL5510这样的高速外部AD或者SA7113专用编码芯片。

但普遍认为系统越小可靠性越好，再者车模电路板的面积也有限，所以我们最终放弃了这样的方案。

经过上面的分析，我们最终选择了COMS型并且能直接输出数字信号的OV6620单板摄像头，不过实际使用中我们发现了一些问题。

首先OV6620摄像头的成像质量的线性度不好（左边密集，右边稀疏），成像不正。

再者OV6620在高速的条件下成像不够理想，光线影响大。

为了解决OV6620发偏的问题我们从摄像头的成像光路进行了矫正，通过程序矫正偏移和亮度并获得不错效果。

2.2速度传感器的选择

车模的驱动力来源于一个直流电动机，为了能很好的控制车模的速度我们引入了闭环控制系统，这就需要车体能实时的或者尽可能快的了解到速度变化，从而对驱动的电压电流进行调整，尽可能快的达到设定速度并且稳定在设定速度上。

对于要求不高的场合，速度的传感器常常是可以自己制作的，它们大多采用光栅轮，或者测速电机。

车模运行过程需要实时感知速度，并且尽量快和精确，自制的传感器显然有些力不从心。

我们从往届的参赛队伍经验得知，使用一个增量编码器能很好的解决以上问题，于是我们在网上收集了资料，最终选择了欧姆龙的360线增量型光电编码器。

这款编码器为2相输出。

在实际的测试中，我们让单片机每5ms返回一次传感器的值，当车模在1米/秒左右速度时能返回60-70多个脉冲，当大于2.5米能返回170多个脉冲，反复测试反馈准确，稳定。

2.3电源模块

车模的供电非常简单，对于大功率设备（电动机，舵机）电源直接取自电池，而只有单片机，编码器和图像传感器会使用5v的电源。

因电池电压不足9v，这就使得输入的电压和输出的压差太小，因此我们特意选择了低压差线性稳压器件LM2940。

具体电源情况如图2.1所示。

在实验中我们曾经烧毁过一片单片机，经过分析发现，车模电动机在工作时候会产生很大反电动势，这个电动势对于单片机系统是致命，因此在有足够的滤波电容的同时还要加入反向二极管作为保护。

它不仅能防止电机产生的反向电动势造成的损坏，亦可配合保险丝防止电池接反造成的电路烧毁。

图2.1电源框图

2.4电机驱动模块

电动机产生驱动力，而电机驱动则是产生相应的激励电压和电流，电机驱动是典型的功率驱动部件，我们起初设计系统的时候使用的飞思卡尔33886作为功率驱动电路。

为了降低导通内阻，提高带负载能力。

我们采用多个33886并联的方案，由于芯片一致性问题，总是导致一个过热另一个凉。

而我们又不方便找到更多这种芯片，故放弃。

33886内部也是采用的“H桥”结构，不如直接制作一个大功率的桥来驱动电动机，这里采用开关电源常用的MOS管组成驱动桥，桥的上臂是P沟道的MOS管而桥的下臂是N沟道的MOS管。

最终再将两个相同的桥直接并联获得更好的驱动效果。

MOS管的栅极往往需要很高电压才能完全开启，将单片机输出的TTL电平直接通过一个CMOS反向器进行电压放大，让它能足以推动这些MOS管。

具体电机驱动实验模块如图2.2所示。

图2.2电机驱动实验模块

2.5速度传感器解码模块

车模运行是经常需要刹车，而传统的机械刹车系统是由刹车蹄块和刹车盘或刹车轮毂组成的。

当需要刹车时候，刹车蹄块被施加一个很大的力压到刹车盘上，使之做相互摩擦，将动能转化为热从而刹车。

车模并没有这样的结构，通过讨论我们发现加入这样的机械装置很复杂，因而最终选择大家通用的电动机反向制动。

增量编码器只能反馈速度大小，并不能反馈速度的方向。

实验中，如果我们加入很大刹车力，并且刹车时间足够长就有导致电动机在刹车过度后反向旋转的恶性问题。

我们使用的速度编码器为2相输出，其输出相位差正好为90度，我们设计了一个简单的解码电路，使得速度编码器只能输出车模向前行驶速度。

这样车模刹车就不可能再刹车过度造成车模倒着跑。

解码电路采用了数字电路组成也是对速度编码器和单片机很好的隔离和保护，增加稳定性。

2.6电路板设计

车模的电池位置我们并没有改动，最终考虑将电路板放置车模底牌的前面，电路板设计全部采用贴片工艺，这样的设计能减少车体的整体重量。

实验用车模电路如图2.3所示。

电路板上大面积覆铜，增加稳定性。

对高频的信号线和大电流线进行特殊处理。

高频信号线尽量避免同样几个高频信号线平行走线，避免和容易受到干扰的信号线放到一起，高频信号线周围尽量放置大面积覆铜。

我们的电路板结构紧凑因此不能排布很粗的线，当遇到大电流线我们采用的是去除阻焊漆加覆焊锡的办法。

整个电路板设计全部采用手动布线，可靠性很高。

电路板交付生产商生产一次性成功。

图2.4和图2.5所示的分别是电路板仿真图和最终的电路板。

车模总体电路原理图见附录A。

图2.3实验用车模电路

图2.4电路板仿真图

图2.5最终电路板

2.7本章小结

硬件电路的可靠运行是整个系统正常工作的基础，本章对车模整体的硬件结构作了详细地介绍，具体叙述了图像传感器、速度传感器的选择和电源、电机驱动、解码模块部分等，最终给出了所设计的电路板。

第三章机械结构设计

3.1车模自身结构的调整

3.1.1前轮前束的调整

车轮前束是指从上往下看两个车轮指向的方向（如图xx所示）。

在前端指向内的一对前轮是车轮前束，零前束即车轮指向正前方，这时轮胎的磨损最小。

前束过大则磨损轮胎面外部花纹边缘,在我们的方案中，车模的设计结构是后轮驱动，所以使用前束。

前轮前束的作用是：

①前轮外倾有使前轮向外转向的趋势，前轮前束有使车轮向内转向的趋势，可以抵消因前轮外倾带来的不利影响，使车轮直线滚动而无横向滑拖的现象，减少轮胎磨损。

②悬架系统铰接点的变形，也使前轮有向外转向的趋势，也要靠前轮前束来补偿。

图3.1车轮前束

3.1.2主销内倾角的调整

当汽车水平停放时，在汽车的横向垂面内，主销轴线与地面垂线的夹角为主销内倾角，如图3.2中的β角。

主销内倾角的作用：

是使车轮自动回正。

主销内倾时的受力分解如图3.3所示。

车轮轴线与主销夹角在转向过程中是不变的，当车轮转过一个角度，车轮轴线就离开水平面往下倾斜，致使车身上抬，势能增加。

这样汽车本身的重力就有使转向轮恢复到原来中间位置的效果。

另外外轮的回正力矩大于内轮所受回正力矩，总的效果是使内外轮顺着图中蓝色箭头转动，如图3.4所示，因此回正力矩总的效果是使汽车回正。

图3.2主销内倾角

图3.3主销内倾时受力分解

图3.4主销内倾角效果

3.1.3差速器的调整

差速器是车模的运行主要动力提供装置，他不进担负驱动，还担负了刹车任务，同时他的好坏直接影响车模对弯道的处理效果。

差速器不可过紧，过紧差速能力几乎消失，但受到摩擦式差速器的限制也不可过于松，太过于松会导致电动机的力传递不到轮胎上。

差速器可以在摩擦片上加入适量的润滑脂，调整时轻加压力，让差速器能尽量差速性能好，同时传动受到最小的影响。

3.2图像传感器的安装

图像传感器的安装主要包括安装位置和安装高度两个方面。

安装位置和安装高度看似两个独立的方面却又紧密的联系在一起。

图像传感器太过于靠前，车模能获取远处图像较为稳定，但近处就会看的比较少，放置过于靠后虽然能能获取到近处路线，但车模运行时的颠簸传到到传感器上很明显，导致成像不是很稳定。

再三权衡我们将摄像头安装位于电池的上方，这样能有效减少震动也能尽可能的多获取一些近处的数据。

高度的设定，在进行高度设定之前，首先要说明一点，高度将直接影响车模的有效前瞻。

那么设置多大的前瞻是合适的呢？

实验中我曾经将车模的前瞻加到2.5米，实际测试发现车模运行速度小于3米时使用前瞻不会超过1米，而又综合了跑道参数我们发现当要冲过小s型路线时候其前瞻设置在70cm左右即可，最后我们确定车模的有效前瞻设置为75cm。

车模的有效前瞻已经确定，主要任务就是设置传感器的高度让他能更好的捕捉到车模前方的75cm内的数据。

当图像传感器架设高度高时图像变形变小，当架设高度变小时图像的失真变大，非有用数据进入也过多。

不过架设太高对于车模力学机构是致命的。

最终我们还是将摄像头架设的比较低，其高度小于25cm，并通过图像的处理方法弥补带来的危害，从中找了一个很好的平衡点，获得不错的效果。

图像传感器的固定结构件，我们采用车床制作了几个塑料固定底座，用于架设图像传感器以及整个的支撑杆桅杆，从车模减重角度考虑支撑件采用了碳纤维材料，金属连接件尽可能使用了铝制件。

3.3速度传感器的安装

车模感知速度最有效办法是从车模前轮获取，在竞赛规则里车前轮的机械结构是不能改造的，前轮获取的办法不可行。

这里我们也是采用了大家广泛的安装办法，将速度传感器装在车后轮上，使用齿轮从差速器上获得速度。

如图3.5所示。

欧姆龙增量式编码器并不附带合适的齿轮，我们将一个电动机的齿轮取下来在台钻上打合适的孔并加紧固顶丝安装在编码器的轴上，增量编码器安装在一个特意加工的金属结构件上并和车体固定。

图3.5速度传感器的安装

3.4舵机的安装

按照以往竞赛各队经验，他们通常加长舵机输出臂的臂长以增加舵机反应速度，如图3.6所示，依据上海交大的仿真结果，舵机臂长设计在3cm-3.5cm左右比较适合，然而舵机的臂长选择还要和车模的前轮前束相配合，防止转向无力的现象出现。

图3.6车模舵机早期安装方法

起初我们将舵机倒着装在了车上，随着试验我们发现车模高速行驶出现转向“推头”现象，这种现象在控制中往往致命，当“推头”现象出现表明车已经不受到控制。

初步分析是由于转向不对称和前束调整不当造成的。

而之后我们全新设计了舵机安装结构件，让它垂直位于车模上，如图3.7所示。

经测试推头现象明显得到了控制，车模灵活性也更高。

图3.7车模舵机最终安装方法

3.5本章小结

机械安装是个需要通盘考虑的问题，机械安装的布局、质量将影响到道路信息的探测效果以及车子的行驶拐弯、加减速效果。

本章详细地介绍了车模机械结构的前轮前束、主销内倾角、差速器等相应调整策略和图像、速度传感器、舵机的安装，使得赛车具有较好的机械特性。

第四章软件结构设计

4.1模块初始化

我们处理器初始化如下模块：

锁相环模块、基本输入输出模块、串行通信模块（SCI和SPI）、ECT中断捕获、PWM模块、RTI实时时钟模块、脉冲计数器、模数转换器、中断优先级管理模块和定时器部分。

锁相环设置，我们采用的是MC9S12XS128核心，这个核心的标准总线工作频率是40Mhz，但是在测试发现这个芯片能比较安全超频工作在88Mhz的频率上。

考虑到我们所有的处理基本都是采用软件实现，处理器同一时间要完成采集、处理、控制三个任务，并且这三个任务使用中断并行工作，故将芯片的总线频率设定在了64Mhz。

基本输入输出模块，串行通信模块，ECT中断捕获初的设置，我们使用PA、PH两个接口作为了策略设置接口，设置包括直道，弯道，保护速度，以及一些图像和控制策略。

PB接口用于状态指示灯，PM接口用于从摄像头获取亮度信号。

ECT中断用于捕获摄像头场，行同步信号。

串行通信模块，我们使用SCI和SPI两个接口，SCI通信主要用于连接Zigbee通信模块用于计算机辅助调试和测试使用，SPI接口用于连接外部的LCD屏幕。

PWM模块用于产生电机驱动，和舵机驱动信号，电动机PWM工作频率为1Khz,舵机的更新频率为100Hz。

RTI实时时钟模块用于提供整车的时间基准。

脉冲计数器用于速度反馈测量，模数转换器提供电池电压检测和加速度传感器电压采集，试验通过图像既可判断坡道，因此已经省掉了加速度传感器，中断优先级管理模块管理中断的优先级别，图像的采集优先级别最高，控制其次，其他中断按默认顺序中断。

定时器用于速度控制和速度反馈采集，其中断时间为5ms。

4.2图像的处理和标志提取

图像的获取和处理效果是车模控制的基石，具有举足轻重的地位，我们对传感器得到的原始数据首先进行动态二值阈值求取,对图像进行二值化处理，进行分析获取黑线的位置。

分析跑道上是否存在起跑线和三角标志，统计有效行等，最后对跑道数据求取斜率，对路线形式进行评估。

具体实现办法，车模在正式启动之前会在跑道上等待起跑2s时间，在这段时间车模要对所有的硬件进行初始化，测试，并载入默认值，获取跑道数据进行预先的处理——取得动态的二值化参考阈值。

取得二值化分割阈值（以下简称分割阈值）的办法我们曾经实验过4、5种，常见的双峰法，Otus法,迭代法等都做过详细的测试。

它们虽都能取得不错的效果，但不完全适合智能车模。

有些算法运算量过于庞大不满足处理器实时的处理，有些办法又取得的数据不稳定。

最终采取如下的方法：

对一副画面某些特殊位置的灰度值进行分析，求出最大和最小的灰度值，在光线很亮的时候让分割阈值靠近最小值，大小等于最小值加上最大值与最小值差值三分之一。

当亮度不好的好时候，此时灰度值的最大值和最小值会相隔比较进，如果分割阈值过于靠近最小值就会使得图像某些重要数据丢失，这种情况下获取的分割阈值应为最大值和最小值的中值。

用这样的方法采集到的分割阈值稳定，并且环境适应能力非常强。

预处理过程将确定基准的分割阈值，为了让基准获取精确。

预处理取得10场画面，每一场画面都求出分割阈值。

用统计学类似打分办法去除干扰，即去掉最大值和最小值，对余下的8个数值求取平均数，并把平均值记录做为参考的分割阈值。

车模在正常行驶的时候每一场画面几个规定位置都求取分割阈值，这些位置一般集中在车前方20cm内，左右宽度小于跑道宽度。

目的在于减少实时处理的时间。

新取得的分割阈值距离参考分割阈值不大时，采用这个值作为图像分割阈值进行图像二值处理。

当图像传感器拍摄不到跑道时候，这个阈值可能很大也可能很小，当偏离基准很大时就会废弃这个值，而直接使用参考阈值进行图像的二值。

二值过程既将图像暗的地方直接看成全黑，亮的地方看成全亮。

在进行了一场图像的二值化处理后，图像就被分割成了理想的黑白图像。

源于硬件设计，我们没有设计FIFO也没有加入锁存器。

图像传感器在一行64us时间内要输出320个点，碍于存储和处理能力限制只使用80个点，这就要求我们要隔4个点采集一次，才能获得一行大体的信息。

实际电路中没有设计同步电路，取而代之仅仅是将这64us内去除行消隐部分等分成80份进行采集，等分采用延时处理，难免采集到的信号有可能是图像传感器内部AD转换时的无效数据。

为了克服此问题，引入形态学方法对图像进行去噪声。

将3个连续的点作为一个单位递推，如果这三个点依次出现了黑、白、黑，那么中间必然是黑，反之就是也可以修正为白。

对图像去噪声后，图像上离散的干扰就会消失了。

这为进一步提取跑道上黑色引导线做了基础。

提取黑色引导线，今年的新规则规定跑道背景颜色为蓝色，图像传感器采集到这一背景颜色的灰度值也要小于白色，在经过二值化和去噪声后，跑道背景就被认为是黑色的。

同时新规则又加入了三角标志，这就对以往大多采用的提取方法造成致命性的影响。

以往很多参赛队伍通常使用边沿检测，限定搜索位置查找的办法。

不过边沿检测的跳变值难以确定，适应性不好，限定搜索位置查找又受到了背景和三角影响。

引入全新的跑道黑色引导线的提取办法能有效过滤出三角和去除十字线交叉，还能检测起跑线和坡道。

黑色引导线在得到的图像中，距离车模最近的部分那一行中大约能出现11个左右的连续黑点，最远处大约出现2个。

距离车模近的地方不会受到跑道底背景的影响。

我们拿出距离车模最近的5行作为一个基准。

采集办法是将每行两侧向中心查找，找到黑点就记录其位置，判定两侧黑点的距离小于11个点，如果大于这个值就丢弃这行的数据，反之保留。

假如5行都没有出现有效的数据，就把这一场作为坏帧。

它有可能是上坡道，看出跑道或出入三角（三角5行内黑点都大于11）。

那么选择5行意义何在？

车模行驶到十字线前图像中最多要出现3行无效，为防止十字线处丢失黑色引导线基准又能判定出三角，故选择了5行。

黑色引导线的参考位置确定后，就要进行整个图像中黑色引导线的提取。

在开始提取一行的时候，先要统计一行总共出现了多少黑点，如果黑点过多可能就是干扰或者是十字交叉，这一行直接就被放弃寻找黑线。

相反，当一行中出现了黑点的个数连续超过2个（包含2个）就记录每个连续黑点中心点位置。

当连续黑点不多于一定值就认为这行有效，可以根据黑色引导线的连续性找到距离基准位置最近那个连续黑点的中心位置作为这一行黑色引导线的位置并且更新下一行的参考位置。

此法交叉线将轻松的过滤，三角也会看成从中间穿过的线。

提取时，加入预测机制，程序要根据上下行的连续型判定下一个引导线出现的位置，如果他早已经偏离出画面，此时搜索工作将立即停止。

在提取的过程中，某些特定行一行中出现的黑点数大于了一定值但又不是十字线就考虑它可能是起跑线。

起跑线识别，这些行出现了3段连续黑点，黑点中间相隔白点数量基本相等，连续黑点的中心位置基本相等，跑道又出现直道，基本可以判定是起跑线。

但为提高识别准确性，还要看他的上一行下一行是不也出现了如此特征。

当所有的提取工作完成了，我们的程序会根据连续型修正提取的跑道数据，若三行中间有一行无效，可以根据上下的位置补充一个进来。

若连续出现了4行没有出现有效信息那么之后再出现的也都直接放弃。

当一副画面搜索工作完成后，跑道的趋势预测将开始。

我们将跑道大体分成：

直道，弯道，直道入弯道，弯道入弯道，大环形，小环型，和可以直接冲过的小s型。

具体实现办法，已经取得的跑道数据使用工程上常用的最小二乘法进行拟合，将一个有离散性的跑道数据拟合成y=ax+b的形式。

对一副画面求取三个斜率。

这三个斜率分别为：

整幅画面斜率，图像前半幅斜率，图像后半幅斜率。

为了更好区分小s型弯道，又引入残差作为判定依据，即拟合直线上的点和实际的点偏离值的平方。

通过以上的条件和有效行数基本可以区分所有的道路。

当所有斜率和残差都很小，那车模前方一定是直道。

行驶过程中如果斜率急剧增加，并且有效行减少可以判定在弯道。

依据以上条件的排列和组合就能完美识别所有跑道形式，当然这些参数需要不断的调整和测试才能经受不同环境的考验。

4.3电动机PID和舵机PD控制原理

我们的车模使用了数字化PID算法对车辆的速度和方向进行控制。

说到PID算法原理不得不回到经典模拟PID控制原理。

模拟PID控制系统组成原理如