视觉导航两轮自平衡小车系统设计与实现

"基于摄像头的两轮自平衡小车设计与实现" 这篇论文详细阐述了设计和实现一种基于摄像头的两轮自平衡小车的过程，该小车具备直立行走、自主寻迹和定位功能。它属于信息科学与工程学院自动化专业的本科毕业设计，由学生徐曙在潘炼教授的指导下完成。 一、系统架构与核心元件 系统的核心控制器是飞思卡尔的16位微处理器MC9S12XS128，它负责管理整个小车的运行。设计中整合了多种传感器，包括： 1. 稳压模块：确保电源供应稳定，为各组件提供可靠的工作电压。 2. 最小系统模块：包含微处理器、存储器等基本组件，形成小车的“大脑”。 3. 双轮测速模块：使用光电编码器测量车轮转速，以获取行驶速度和转向角速度。 4. 倾角测量模块：结合陀螺仪和加速度计来检测车体的倾斜角度和角速度，进行卡尔曼滤波以提高测量精度。 5. 电机驱动模块：根据控制信号驱动电机，实现小车的动态平衡和运动控制。 6. 人机交互模块：可能包括显示屏、按键等，方便用户操作和查看状态。 二、平衡与控制策略 1. 动力学建模：对倒立摆模型进行分析，找出小车保持平衡的条件。 2. PD控制：通过陀螺仪和加速度计数据，对倾角进行PD控制，使小车能保持直立。 3. PI控制：利用光电编码器数据，对速度进行PI控制，调整电机转速，实现小车的速度控制。 三、视觉导航与自主寻迹 1. 摄像头：捕获道路图像，进行预处理，如灰度化、边缘检测等，以提取赛道中心线。 2. 图像处理：通过算法计算车辆与赛道中心线的偏差，作为转向控制量。 3. PD控制：根据偏差和转向角速度，通过PD控制调整左右电机转速，实现差速转向和自主寻迹。 四、定位与抗扰动能力 1. 里程计模型：结合车辆运动数据进行简单的航位推算，估计小车位置。 2. IMU模型：惯性测量单元（IMU）辅助定位，增强定位精度。 3. 抗扰动：系统能有效抵御外界干扰，保持良好的静态和动态平衡性能。 五、调试与评估 通过基于MFC的串口调试上位机，对系统进行实时调试和性能评估。结果显示，小车能在4cm范围内保持静止，具有良好的寻迹和转弯能力，并能抵抗外部扰动。 关键词涉及的关键技术有：自平衡机制、倒立摆理论、惯性测量单元（IMU）、卡尔曼滤波算法和航位推算。这些技术的综合运用，使得这款两轮自平衡小车在动态性能和自主导航方面表现出色。