飞思卡尔杯全国大学生智能汽车竞赛raceking技术报告.docx
- 文档编号:29386872
- 上传时间:2023-07-22
- 格式:DOCX
- 页数:103
- 大小:1.33MB
飞思卡尔杯全国大学生智能汽车竞赛raceking技术报告.docx
《飞思卡尔杯全国大学生智能汽车竞赛raceking技术报告.docx》由会员分享,可在线阅读,更多相关《飞思卡尔杯全国大学生智能汽车竞赛raceking技术报告.docx(103页珍藏版)》请在冰豆网上搜索。
飞思卡尔杯全国大学生智能汽车竞赛raceking技术报告
第一章引言1
第二章智能车系统方案设计3
2.1系统总体方案的选定3
2.2智能车系统功能分析5
第三章智能车机械结构调整与优化6
3.1智能车车体机械建模6
3.2智能车前轮定位的调整6
3.2.1主销后倾角6
3.2.2主销内倾角7
3.2.3车轮外倾角7
3.2.4前轮前束8
3.3智能车后轮减速齿轮机构调整8
3.4舵机安装及连杆机构设计8
第四章智能车系统硬件设计10
4.1电源稳压模块10
4.1.1CMOS摄像头供电电路10
4.1.2DP512最小系统及其他数字器件电源电路11
4.2CMOS摄像头及视频信号分离模块11
4.2.1CMOS摄像头工作原理11
4.2.2CMOS摄像头的选择13
4.2.3摄像头的安装14
4.2.4视频分离电路17
4.2.5比较电压的选择18
4.2.6CMOS视频信号的采集方式19
4.2.7双摄像头采样处理20
4.3舵机驱动电路21
4.4电机驱动模块及电机21
4.4.1电机驱动模块21
4.4.2驱动电机22
第五章智能车系统软件设计25
5.1黑线识别算法26
5.1.1阈值的确定和二值化过程26
5.1.2每行中黑点查找策略26
5.1.3交叉线的过滤28
5.1.4视频行中的黑点确定方法29
5.1.5黑线识别算法的实现29
5.2起始线的识别30
5.2.1起始线的特征31
5.2.2起始线识别算法的实现31
5.3三角形的识别32
5.3.1三角形的特征33
5.3.2三角形识别算法的实现33
5.4转向控制算法34
5.4.1智能车转向控制基本思路34
5.4.2智能车转向控制的改进35
5.4.3智能车转向控制的实现36
5.5速度控制算法36
5.5.1智能车速度控制基本思路37
5.5.2智能车驱动电流阈值测定38
第六章调试工具40
6.1监控调试平台41
6.2无线监控接口42
6.3三维仿真调试模块的实现43
第七章总结47
参考文献48
附录A模型车主要技术参数I
附录B源程序II
第一章引言
全国大学生智能汽车比赛是经全国高等教育司研究,委托高等学校自动化专业教学指导分委会主办的,旨在培养创新精神、协作精神,提高工程实践能力的科技活动。
比赛要求在组委会提供统一智能车竞赛车模、单片机HCS12开发板、开发软件CodeWarrior和在线调试工具的基础上制作一个能够自主识别路线的智能车,它将在专门设计的跑道上自动识别道路行驶。
中心目标是不违反大赛规则的情况下以最短时间完成单圈赛道。
应对该比赛,主要技术问题就是如何寻线,及如何施以相应的控制策略来确保车辆在不违背比赛规则的前提下沿赛道尽可能快地前进。
而两者之中,寻线的好坏与否直接影响到偏差判断与控制策略的效果,因此,设计出合适的寻线系统是设计智能车辆导向控制系统的重要环节。
关于寻线,前人的工作中有一些较简便的方案,也较适合于此次比赛这样的白底黑线的应用环境。
许欢、唐竞新[1]采用“线型检测阵列”的方法,使用4个发光二极管和1个光敏二极管构成一个检测点,使用多个检测点(原文中为16个),使它们成直线状排列,共排成两排,一排安置在机器人底盘赛车前端,一排安置在后端。
然后采用巡回检测方式来寻找白色指引线。
万永伦、丁杰雄[2]采用的是类似许欢[1]文中的“线型检测阵列”寻线装置,但不同之处在于:
万永伦[2]文中采用了大规模可编程器件来实现对光电管检测信号的处理、分析与实现对步进电机控制脉冲的产生。
采用可编程器件,大大减少了系统体积,也方便了检测信号的处理和电机控制。
虽然采用光电传感器构成“线型检测阵列”的方案简单易行,但是将其应用于智能车竞赛中仍有一些局限性。
例如,单个线型检测阵列所能确定的指引线信息较少。
若使用该种阵列数较少,则未必能准确寻线,尤其是碰到弯道、蛇形S道等路况时;若使用数量较多,一来会增大车辆系统的体积,二来会增加其重量。
因为本次比赛指定了车模所用的驱动电机,在确定的驱动能力下,增加车辆的重量会明显影响车辆行进速度,不利于提高比赛成绩。
此外,线型检测阵列的探测距离较短,一方面比赛对车模制作好之后的尺寸有限制,另一方面又不能简单将检测阵列元件向车模前方伸出安装,因为这将增加转向舵机的动态转向负载,因此该方案对前方路况的预判断距离比较有限。
基于前述对“线型检测阵列”寻线能力局限性的考虑,并综合参考了张晓飞,袁祥辉[4]和卓晴[10]文中关于摄像头视频采集原理的基础上,我们选择采用摄像头作为寻线传感器。
一方面摄像头所能探测的赛道信息远多于“线型检测阵列”所能探测的的信息,有利于对控制算法进行优化;此外摄像头成像范围调整灵活,可以提供足够远的预判距离识别出弯道。
实际上,通过“超频”和提高代码效率,并选择合理的图像处理算法(MilanSonka[9])使用比赛规定型号的单片机完全可以对低线数黑白摄像头的视频信号进行采样和处理,有效识别出赛道的位置和相关几何信息。
邵贝贝[5]文中详细介绍了如何在S12系列单片机上进行程序代码编译和CodeworriorIDE编译器使用方法。
对程序调试和软件开发提供了很好的参考和学习内容。
同时,对于S12芯片的寄存器设置和操作,参考了Freescale的S12用户使用手册。
实现的目标是设计一个以飞思卡尔MC9S12DP512微控制器为控制核心的智能小车系统,使用CMOS摄像头作为其图像传感器,使其能跟随白色地面上的黑色引导线自动循迹行驶,并在不冲出赛道的前提下,以最短时间完成整个赛道的循线行驶。
本文主要对车模整体设计思路,硬件与软件设计及车模的装配调试过程作简要的说明。
在接下来的技术报告中,主要从机械、电路、算法和调试四方面对本队的技术方案作较为具体的介绍。
首先在第二章中介绍智能车系统总体方案和功能分析。
第三章主要介绍智能车机械结构调整与优化。
第四章和第五章分别详细介绍了硬件与软件设计。
最后第六章是对调试工具的简要概述。
第二章智能车系统方案设计
本章主要简要地介绍智能车系统总体方案的选定和总体设计思路.
2.1系统总体方案的选定
智能车运行中必须通过道路传感器获得路况信息。
用于智能车大赛的常见的传感器主要有红外光电传感器,CMOS/CCD图像传感器等二种。
在指定的时间内获取足够的道路信息是智能车高速行驶的必要条件,而红外光电传感器由于本身的限制和比赛规则的限制不能满足这个条件。
单色CMOS传感器(见图2.2)能以较快频率输出视频信号,信息量大,耗电量低,前瞻性好而被广泛采用,因此本队使用CMOS摄像头传感器。
由于主摄像头的位置固定,在弯道中,特别是大角度的弯中,很难获取到车辆即将驶过的弯道的信息,这样就很难保证有一个高的出弯速度,因为不知道何时才算接近出弯,必须等到弯道末端进入主摄像头视场后,才能进行合理的速度控制,见下图,我们的主摄像头在大角度弯中的视频采集情况:
图2.1.1大角度弯
上图显示了一个未知半径的左弯,由于主摄像头只能获取车辆正前方的信息,因此不知道左弯后接的赛道特征,为此我们为智能车安装了另外一个随动摄像头,将其安装在微型舵机上,它能对前方的弯道趋势进行主动跟随
图2.1.2双摄像头车总体图
图2.1.3随动摄像头
本次设计采用飞思卡尔16位微控制器MC9S12DP512作为核心控制单元(简称"DP512")。
MC9S12D系列单片机采用5V供电,25MHz的总线速度,主要用于工业控制,特别适合用在汽车上。
该系列单片机的特点是丰富的I/O模块和工业控制专用的通信模块。
其80引脚封装的单片机有59个I/O引脚,112引脚封装的有91个I/O引脚。
通信模块有SCI、SPI、IIC、CAN、J1850、byteflight等模块。
在此使用了112脚LQFP封装的DP512。
使用其AD模块负责CMOS信号的采样,ECT模块的输入捕捉功能实现CMOS传感器垂直同步及复合同步信号的获取,S12D系列特有的模数递减计数器采集光编速度反馈及电流反馈信号,利用PWM模块产生舵机及电机驱动模块的控制信号。
2.2智能车系统功能分析
智能车系统,由硬件系统和软件系统构成。
其中的智能车硬件系统由电池及电源稳压模块、CMOS摄像头模块、视频分离模块、MCU模块、电机驱动模块、光编码器速度反馈模块、电机及舵机组成。
智能车软件系统包括MCU各模块初始化、视频信号AD采样代码、黑线识别代码、道路标志处理代码、反馈型号采集代码、电机及舵机控制代码。
电池及电源稳压模块负责为其他各模块供电。
CMOS摄像头产生视频信号传输给MCU及视频信号分离模块。
视频信号分离模块对视频信号进行处理分离出复合同步信号和垂直同步信号传输给MCU。
MCU通过复合同步信号及垂直同步信号在适当的时间段对视频信号进行采样,通过黑线识别及道路标志识别代码得到路况信息,并采集由光编码器产生的电机转速反馈信号和电机驱动模块产生的电机电流反馈得到车辆行驶状态信息,从而通过电机及舵机控制算法输出相应的控制信号使伺服舵机带动连杆机构完成转向,电机驱动模块驱动电机完成速度控制,最终控制智能车完成整个赛道的循线行驶。
第三章智能车机械结构调整与优化
智能车系统任何的控制都是在一定的机械结构基础上实现的,因此在设计整个软件架构和算法之前一定要对整个车模的机械结构有一个感性的认识,然后建立相应的数学模型。
从而再针对具体的设计方案来调整赛车的机械结构,并在实际的调试过程中不断的改进和提高。
本章将主要介绍智能车车模的机械结构和调整方案。
3.1智能车车体机械建模
此次竞赛选用的智能车竞赛专用车模。
智能车的控制采用的是前轮转向,后轮驱动方案。
其基本的尺寸参数如表3.1
表3.1模型车基本尺寸参数
基本尺寸
尺寸
轴距
198mm
前轮距
137mm
后轮距
138mm/146mm
车轮直径
52mm
主减传动比
18/76
3.2智能车前轮定位的调整
现代汽车在正常行驶过程中,为了使汽车直线行驶稳定,转向轻便,转向后能自动回正,减少轮胎和转向系零件的磨损等,在转向轮、转向节和前轴之间须形成一定的相对安装位置,叫车轮定位,其主要的参数有:
主销后倾、主销内倾、车轮外倾和前束。
智能车竞赛模型车的四项参数都可以调整,但是由于模型车加工和制造精度的问题,在通用的规律中还存在着一些偶然性。
3.2.1主销后倾角
主销后倾角是指在纵向平面内主销轴线与地面垂直线之间的夹角[2]。
它在车辆转弯时会产生与车轮偏转方向相反的回正力矩,使车轮自动恢复到原来的中间位置上。
所以,主销后倾角越大,车速越高,前轮自动回正的能力就越强,但是过大的回正力矩会使车辆转向沉重。
通常主销后倾角值设定在1°到3°。
模型车通过增减黄色垫片的数量来改变主销后倾角的,由于竞赛所用的转向舵机力矩不大,过大的主销后倾角会使转向变得沉重,转弯反应迟滞,所以设置为0°,以便增加其转向的灵活性。
3.2.2主销内倾角
主销内倾角是指在横向平面内主销轴线与地面垂直线之间的夹角,它的作用也是使前轮自动回正[2]。
角度越大前轮自动回正的作用就越强,但转向时也就越费力,轮胎磨损增大;反之,角度越小前轮自动回正的作用就越弱。
通常汽车的主销内倾角不大于8°。
对于模型车,通过调整前桥的螺杆的长度可以改变主销内倾角的大小,由于过大的内倾角也会增大转向阻力,增加轮胎磨损,所以在调整时可以近似调整为0°~3°左右,不宜太大。
主销内倾和主销后倾都有使汽车转向自动回正,保持直线行驶的功能。
不同之处是主销内倾的回正与车速无关,主销后倾的回正与车速有关,因此高速时主销后倾的回正作用大,低速时主销内倾的回正作用大。
3.2.3车轮外倾角
前轮外倾角是指通过车轮中心的汽车横向平面与车轮平面的交线与地面垂线之间的夹角[2],对汽车的转向性能有直接影响,它的作用是提高前轮的转向安全性和转向操纵的轻便性[1]。
在汽车的横向平面内,轮胎呈“八”字型时称为“负外倾”,而呈现“V”字形张开时称为正外倾。
如果车轮垂直地面一旦满载就易产生变形,可能引起车轮上部向内倾侧,导致车轮联接件损坏。
所以事先将车轮校偏一个正外倾角度,一般这个角度约在1°左右,以减少承载轴承负荷,增加零件使用寿命,提高汽车的安全性能。
模型车提供了专门的外倾角调整配件,近似调节其外倾角。
由于竞赛中模型主要用于竞速,所以要求尽量减轻重量,其底盘和前桥上承受的载荷不大,所以外倾角调整为0°即可,并且要与前轮前束匹配。
3.2.4前轮前束
所谓前束是指两轮之间的后距离数值与前距离数值之差,也指前轮中心线与纵向中心线的夹角[2]。
前轮前束的作用是保证汽车的行驶性能,减少轮胎的磨损。
前轮在滚动时,其惯性力自然将轮胎向内偏斜,如果前束适当,轮胎滚动时的偏斜方向就会抵消,轮胎内外侧磨损的现象会减少。
像内八字那样前端小后端大的称为“前束”,反之则称为“后束”或“负前束”。
在实际的汽车中,一般前束为0~12mm。
在模型车中,前轮前束是通过调整伺服电机带动的左右横拉杆实现的。
主销在垂直方向的位置确定后,改变左右横拉杆的长度即可以改变前轮前束的大小。
在实际的调整过程中,我们发现较小的前束,约束0~2mm可以减小转向阻力,使模型车转向更为轻便,但实际效果不是十分明显。
虽然模型车的主销后倾角、主销内倾角、车轮外倾角和前束等均可以调整,但是由于车模加工和制造精度的问题,在通用的规律中还存在着不少的偶然性,一切是实际调整的效果为准。
3.3智能车后轮减速齿轮机构调整
模型车后轮采用RS-380SH电机驱动,电机轴与后轮轴之间的传动比为18:
76(电机轴齿轮齿数为18,后轴传动齿数为76)。
齿轮传动机构对车模的驱动能力有很大的影响。
齿轮传动部分安装位置的不恰当,会大大增加电机驱动后轮的负载,会严重影响最终成绩。
调整的原则是:
两传动齿轮轴保持平行,齿轮间的配合间隙要合适,过松容易打坏齿轮,过紧又会增加传动阻力,浪费动力;传动部分要轻松、顺畅,不能有迟滞或周期性振动的现象。
判断齿轮传动是否良好的依据是,听一下电机带动后轮空转时的声音。
声音刺耳响亮,说明齿轮间的配合间隙过大,传动中有撞齿现象;声音闷而且有迟滞,则说明齿轮间的配合间隙过小,或者两齿轮轴不平行,电机负载变大。
调整好的齿轮传动噪音很小,并且不会有碰撞类的杂音,后轮减速齿轮机构就基本上调整好了,动力传递十分流畅。
3.4舵机安装及连杆机构设计
舵机转向是整个控制系统中延迟较大的一个环节,为了减小此时间常数,通过改变舵机的安装位置,而并非改变舵机本身结构的方法可以提高舵机的响应速度。
分析舵机控制转向轮转向的原理可以发现,在相同的舵机转向条件下,转向连杆在舵机一端的连接点离舵机轴心距离越远,转向轮转向变化越快。
这相当于增大力臂长度,提高线速度。
针对上述特性,改变了去年舵机的安装方式,将舵机安装在了对中位置并进一步加大转向摇杆的长度。
这样安装的优点是:
1)改变了舵机的力臂,使转向更灵敏2)舵机安装在了正中央,使左右转向基本一致。
通过在几何画板中对转向连杆机构的建模优化,使得左右轮转向角更符合阿卡曼转角。
按照运动瞬心在后轴延长线上的假设,对不同PWM脉宽所对应的左右轮转向半径进行计算,试验结果如下图所示。
车身数值为左右轮数值的算数平均数。
图3.4.1转弯半径数据
第四章智能车系统硬件设计
4.1电源稳压模块
硬件电路的电源由7.2V的蓄电池提供,而由于电路中不同模块的工作电压和电流容量各不相同,所以需要将电池电压转换成各个模块所需电压。
4.1.1CMOS摄像头供电电路
本次设计的CMOS摄像头额定电压为9V,而赛会提供的电池电压满充时只有8.4V。
实验中我们测试过此CMOS摄像头可以在大于7.2V的条件下正常工作,因此尝试电源电压直接给摄像头供电。
结论是在电池电量比较足时,效果良好,而随着电池电量的消耗,摄像头的输出信号经常不稳定,尤其是在电机启动,大电流消耗时,小车会频繁跑错,见图4.1.1、4.1.2。
可见摄像头对供电稳定性要求很高,因此需要设计升压电路给摄像头的供电,保证摄像头稳定工作。
图4.1.1正常的采集图像灰度图图4.1.2摄像头供电不足的灰度
在此我们选用飞思卡尔的MC34063升压芯片给摄像头提供9V电压。
如图4.1.3,输入电压为5V,以保证输出电压的稳定性。
图4.1.3摄像头的MC34063升压电路
4.1.2DP512系统及其他数字器件电源电路
DP512系统、视频型号分离模块及光电编码器需要稳定的5V供电,选用NCP1117作为稳压芯片。
NCP1117为低压降三端稳压芯片最大输出电流1.0A,在6.5v输入条件下输出电压误差为±0.1v完全满足被供电器件工作要求,并提供过流过热保护。
故本设计选用NCP1117作为稳压芯片。
电路原理如图4.1.4.
图4.1.4DP512系统及其他数字器件电源电路
4.2CMOS摄像头及视频信号分离模块
4.2.1CMOS摄像头工作原理
CMOS摄像头分为黑白和彩色两种,由于彩色摄像头的输出信号格式比较复杂,采集起来有一定的难度,且信号处理时间较长,而比赛时只需辨别赛道的灰度,以达到循线的目的,黑白的摄像头足够满足要求。
一般的摄像头由镜头,传感器芯片和外围电路组成。
图像传感芯片是传感器的核心,它不能单独工作,配合上合适的外围电路后,芯片才能将光信号转换成电信号。
CMOS摄像头有四根输出线:
电源线,地线,视频输出线和音频输出线。
电源线电压为9V,视频输出线的电压在0.5V-2V之间。
CMOS单色摄像头的工作原理如下:
图像传感芯片按一定的分辨率,每秒扫描25帧图像,每帧图像有625行视频信息,每帧图像分奇场和偶场,如下图。
因此每秒将获得50个场信号,每场大约312.5行。
传感芯片首先从奇数行开始扫描,以1,3,5,7,9...遍历所有的奇数行后开始扫描所有的偶数行,从而构成一整帧图像,如图4.2.1。
以隔行扫描的方式采集CMOS图像上的点,当扫描到某点时,就通过图像传感芯片将该点处图像的灰度转换成与灰度成一一对应关系的电压值,然后将此电压值通过视频信号端输出。
图4.2.1CMOS奇数场和偶数场的隔行扫描
图4.2.2CMOS传感器输出信号格式
由CMOS传感器的输出波形(图4.2.2)得知,两个行消隐之间是每行的图像信号,该连续的信号的电压的高低代表了此行图像的灰度变化情况。
行信号的持续时间为56us。
同理,两个场消隐之间包含了此场(奇场或偶场)中所有的行信息。
一个场(奇场或偶场)的持续时间是20ms。
4.2.2CMOS摄像头的选择
分辨率是摄像头的重要指标,图像分辨率简单说就是指屏幕水平方向和垂直方向所显示的点数。
评估摄像头分辨率的指标是水平分辨率,其单位为线数,即成像后可以分辨的黑白线的数目,其数值越大成像越清晰。
摄像机的典型水平分辨率是在320到500电视线间,主要有320线、380线、420线、480线、500线等不同种类。
设定DP512AD模块的转换周期为0.8us,若选用320线的CMOS摄像头,单行视频信号持续时间为20ms/320=62.5us。
除去每行前后消隐及被被遮挡的部分,单行视频信号的有效时间约为55us。
这样每行采集的点数最多为55/0.8=68个。
若选用480线的摄像头,单行视频信号的有效时间为20ms/480*80%=34.3us,每行采集点数最多为41.7/0.8=42个。
即线数越多,单行获取的视频信息量越小。
可见每行的分辨率远远小于每列的分辨率,故应选用线数低的CMOS摄像头,从而增加每行信号的点数,降低纵向分辨率以换取横向分辨能力。
设计中使用的摄像头采用1/3”OmniVisionCMOS单色图像传感芯片,其详细参数如下:
摄像头水平分辨率:
320线;
照度:
0.5LUX;
输出制式:
隔行扫描PAL制式标准视频信号;
镜头及视角:
1/3英寸――靶面尺寸为宽4.8mm,高4.6mm,对角度6mm,视角69°;
供电电压/消耗功率:
9V100mA;
像素640*480。
4.2.3摄像头的安装
智能车制作过程中,主要设计参数为离地高度以及探测角度及在智能车上的前后安装位置,如图4.2.3所示
图4.2.3摄像头及其支架的安装
理想情况下,按照小孔模型,摄像头在地面的投影为梯形,如图4.2.4。
实际上,对于广角单色单片球面镜头摄像头,畸变是不可避免的,尤其当像平面不与物平面平行时,对于远端图像的畸变尤其严重。
摄像头在地面上的视野将不再是一个梯形而是如图4.2.5所示图形,线l为中轴线。
图4.2.4理想摄像头投影
桶形畸变是广角镜头常见的畸变,所谓桶形畸变是指物平面上的物体由于自身不同点到光轴的距离不同,经过广角镜头投影到像平面上发生了以光轴为中心的对称弯曲形变,这一现象称为桶形畸变,如图4.2.6所示。
因此,桶形畸变规律是与物体上不同点到光轴距离R有关的函数,即R越大,畸变越严重;R越小,畸变越小。
如果透镜中心和像平面中心在同一条直线上,那么图像上的
不同像素由于到图像中心的半径r不同,畸变情况便有所不同。
图4.2.5实际摄像头投影示意图图4.2.6桶形畸变示意图
摄像头探测角度越小,高度越高桶形畸变越严重,但视野范围越大。
故需要对畸变和视野范围做综合考虑,进行折中设计。
同时畸变除了会导致黑线走样,而且还会使远端黑线变淡。
黑线变淡的主要原因在于像平面中的每一行在物平面中的对应宽度是不同的,越远端的宽度越大,从而导致黑线不能覆盖完整的一个像素点,灰度值变小,于是黑线在远端变淡。
而由于AD采样的速度限制每行只能采集到68个点,黑线在远端变淡的效应更加明显。
实际采样情况与理想情况对照如图4.2.7所示。
故在摄像头安装位置设计时应将相邻两采样点间距(由于AD采样为连续采样采样点按均匀分布计算)不大于黑线宽度,相邻两采样行中心线间距加上较远行宽不大于黑线宽度作为限制条件。
图4.2.7理想情况与实际采样灰度及畸变对照图
图4.2.8
为尽量避免出现图4.2.8所示情况。
即黑线没有出现在第一行的情况,并方便起始线的识别,视野最近行的横向长度应不小于赛道宽减去车宽。
同时要保证整个视场不被其他部件包括车身干涉的情况。
综上所述,摄像头安装参数在保证相邻两采样点间距及相邻两采样行中心线间距加上较远行宽不大于黑线宽度、视野最近行的横向长度不小于赛道宽减去车宽、视场不被干涉的条件下以视野范围最大为目标进行设计。
最后确定的安装参数:
(1)离地高:
300mm
(2)探测角度α(镜头光轴与水平面的夹角):
40°
(3)距车头:
250mm
(4)距重心:
120mm
(5)实际探测范围:
最近处宽370mm最远处宽1500mm;纵向长1500mm。
随动摄像头的安装参数:
(1)离地高:
120mm
(2)探测角度α(镜头光轴与水平面的夹角):
30°
(3)距车头:
50mm
(4)实际探测范围:
最近处宽180mm最远处宽1200mm;纵向长900mm。
4.2.4视频分离电路
由于CMOS摄像头的视频引出线是包含视频信息的连续变化电平,为了能对其进行采样,就必须获取信号中的行同步和场同步等脉冲。
若使用单一的AD口对其信号进行分析,提取同步信息并采样,势必会导致时间的消耗和CPU资源的浪费。
因此必须配合适当的外围芯片
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 卡尔 全国大学生 智能 汽车 竞赛 raceking 技术 报告