吕博新　岳欢　陈鹏　陈瑜　姚敏

【摘 要】本文针对视频巡检的需求，设计出一套具有避障功能的视频巡检车，按规划路线进行巡查与拍摄，通过单目测距算法实现自动避障并将图像数据传回控制平台。通过多组实验，验证了小车工作及算法的有效性。

【关键词】巡检小车；自动避障；单目测距算法

中图分类号： TP391 文献标识码： A 文章编号： 2095-2457（2017）20-0099-002

Design of Intelligent Video Surveillance Vehicle

LV Bo-xin YUE Huan CHEN Peng CHEN Yu YAO Min

（School of Electronic and Information Engineering， North China University of Technology， Beijing 100144， China）

【Abstract】In this paper， a design of intelligent video surveillance vehicle with obstacle avoidance is proposed. The vehicle can capture video on a fixed route， avoid obstacle automatically by monocular ranging algorithm and send data to the system platform. The experimental results show that the proposed design is effective.

【Key words】Video surveillance vehicle； Avoiding obstacle automatically； Monocular ranging algorithm

0 引言

随着科技发展，可移动视频平台的应用日益广泛，例如各种智能机器人、无人驾驶、智能导航车等。这类移动拍摄平台多为四轮驱动，在复杂地形环境中能较为自如的行驶，然而在房间死角，狭窄的通道里，这些移动平台因灵活性差而不能很好的完成任务。研究者进行了相关研究[1-4]，例如，高正中等人提出基于摄像头的智能车控制系统[5]。王立玲等人提出智能车的路径识别及控制策略算法[6]。本文结合相关研究进展，研制了具有避障功能的智能视频巡检车，小车采用PID控制的二轮驱动，体积小，灵活性高，可通过图像和超声波传感器探测障碍物，能够在人或者其他设备无法到达的监控地段执行巡检任务。

1 系统方案

智能视频巡检小车系统由CMOS摄像头、供电模块、LCD显示、电机驱动模块、STM32单片机和计算机组成。

此巡检小车选择STM32F103C作为核心控制处理器，供电模块同时给CMOS摄像头和STM32单片机供电。当CMOS摄像头和计算机在同一网段，计算机通过无线网获取摄像头视频数据，然后进行图像处理，将避障结果通过无线网传到STM32单片机中。STM32控制电机模块做出相应操作。LCD模块负责显示小车的状态信息。

当小车上电后，首先对控制模块进行初始化，检测此时小车的状态是否处于正常工作状态，然后采用PID算法控制小车电机。小车控制流程图如1所示。

2 算法实现

2.1 PID算法

本系统利用PID算法实现小车自平衡[7-9]，PID控制器根据系统的误差，利用比例、积分、微分计算出控制量实现控制小车平衡。其中PD控制小车直立；PI控制对编码器数据进行低通滤波，削弱电机控制的比重，提高系统稳定性；转向控制结合了Z轴陀螺仪PD控制。

本文采用直立PD控制，速度PI控制和转向控制进行偏差调节，在平衡PID控制中输入参数是角度和角速度，通过PD算法，最后输出一个控制PWM值。作用是保持平衡车直立状态。在速度环控制中输入参数是左右轮编码器数据，通过PI算法，输出一个控制速度PWM值，以修改小车前进后退速度。在转向环控制中输入参数是左右编码器和z轴陀螺仪数据，通过PD算法，最后输出控制转向PWM值。

2.2 單目避障原理

本系统使用单目避障算法实现小车避障功能，单目避障算法基于单目测距技术[10]，即仅使用单个摄像头实现测距。

2.2.1 避障流程

计算机从CMOS摄像头获取图像后，进行帧间差分处理，分析得出障碍物距离，判断是否大于安全距离，最后通过网络传输将避障信息传送给小车，让其采取相应措施。

2.2.2 障碍物距离获取原理

本系统采用CMOS摄像头。因为避障物体远大于透镜直径，该摄像头成像模型可近似看成小孔成像。假设摄像机焦距为f，CMOS像元宽度为u，物体高度L ，距离摄像机距离为D，物体成像像素个数为N，根据小孔成像原理可得：

通过（1）式，根据物体像素大小，可计算出物体与小车之间的距离D。

3 实验结果

3.1 小车直立PD控制

在直立PD控制中，经过试验，当Kp=300，Kd=1时PD控制效果最佳，小车的晃动幅度最小。图2是采用上述参数在仿真出的实验数据：初值预期角度5度，在三百次运算后误差降为1.94%。

3.2 障碍物距离获取

本系统采用焦距f=3.6mm，像元宽度s=4.9μm摄像头。由式（1）可得出障碍物距离与像元个数的关系曲线，如图3所示。

由图3-a）可知，随着障碍物距离的减小，像元个数在增加，且距离越近，单位距离内增加的像元个数越多。即通过判断像元个数差分的值判断障碍物的距离。当物体高50cm时，规定安全距离为1m，即该像元的差分的值在3.6时，需要小车采取避障措施。endprint

当像元个数均为100时，高50cm的物体，距离约为3米；高10cm的物体，距离为0.7m，即在安全距离时，高度不同的物体所占像元数和像元的差分值均不同。将图3-b）中各点连成平滑曲线，可计算出其斜率k=0.072。

综上所述，当物体大小不同时在相同位置时的像元数不同，所以判断障碍物距离时需考虑帧间的像元差分值，且像元的差分值和物体的高度成正比，当检测到像元差分值大于k*L时，即此时物体距离平衡车为1m，计算机需要向平衡车发出指令，让平衡车采取避障策略。经过实验，通过单目避障算法，可实现小车避障。

4 总结

本文以两轮平衡车为研究对象，用摄像头作为视觉传感器，研究其行进过程中的自平衡和避障问题。本系统通过PID算法实现小车平衡控制。将摄像头近似为小孔成像模型，因大小不同的物体在不同物距时有可能所占像元数相同，故利用帧间差分法获取障碍物与小车间的距离，实现自动避障。由于帧间差分法的局限性，无法对该障碍物进行识别，下一步工作是采用图像识别算法和特征点匹配的方法，提高测距算法的精度，以提升系统工作的稳定性。

【参考文献】

[1]刘嘉豪，刘海刚，张建伟，关天洛.智能车图像处理与识别算法研究[J].工业控制计算机.

[2]李旭东，廖中浩，孟嬌.基于CMOS摄像头的智能车控制系统设计及实现[J].吉林大学学报（信息科学版）.

[3]陈孟元，孙书诚，王虎.基于图像识别的寻迹智能车设计[J].重庆理工大学学报（自然科学）.

[4]高月华.基于红外光电传感器的智能车自动寻迹系统设计[J].半导体光电.

[5]高正中，赵丽娜，李世光，白星振，宋森森.基于摄像头的智能车控制系统设计[J].自动化与仪表.

[6]王立玲，王建成，白跃.基于OV7620智能车的路径识别及控制策略[J].河北大学学报（自然科学版）.

[7]肖文健，李永科.基于增量式PID控制算法的智能车设计[J].信息技术.

[8]杨晓岚.PID算法在智能车中的应用[J].实验科学与技术.

[9]王志飞.基于PID驱动控制算法的智能车远程闭环控制的研究与实现[D].吉林大学.

[10]罗时光.基于单目测距技术的道路障碍物检测方法[J].软件.endprint