基于攝像頭的預測控制策略

　　要實現一個完整的基于攝像頭的智能小車，第一步要做的就是將攝像頭輸出的模擬信號通過單片機AD轉換采集到單片機中，然后對采集到的原始的圖像數據進行處理，以獲取賽道中央的黑線在圖像坐標系中的位置。

　　接著，就要利用處理得到的圖象信息對智能小車進行控制。就目前而言，各參賽隊用的最多的橫向控制(轉向控制)就是PID控制。采用PID控制方式，無需對攝像頭作嚴格的標定，因為只須將黑線在圖像坐標系中的位置偏差乘相應的PID系數，就可以作為轉向的控制律，至于PID系數取多少，則可以通過簡單的實驗調試而獲得合適的取值。正因為這樣，PID控制方式簡單易行。

　　而PID控制方式卻有其局限性，其最大的局限性就是無法很好控制智能小車的行駛線路(簡稱“走線”)。PID參數的變化會引起小車走線的變化，即使PID參數相同的情況下，小車速度的或高或低同樣會引起小車走線的變化。這樣，因為小車走線的不確定性，為了比賽時小車不沖出賽道，只有盡量控制小車完全沿線行駛，這樣才能使小車無論在左側還是右側都有較充足的賽道裕量。但另一方面，完全沿著賽道中央黑線的走線也許并不是最優的走線，比如，在一些特殊路段抄近道，可能會使走線更優，從而提高比賽成績。往下所要介紹的預測控制策略，就是為了達到使小車走線盡可能最優的目的。

　　基本思想

　　預測控制的基本思想是：在每一控制周期內，通過攝像頭獲取車前方一定區域內黑線的位置信息——與PID控制方式不同的是，預測控制多了攝像頭標定這一步，即將黑線在圖像坐標系下的位置轉換成世界坐標系下的位置——然后規劃出一條較優化的走線，成為期望走線。然后根據小車的運動學模型和轉向模型可以確定(一種最優化問題求解的過程)，在往下若干個控制周期內，轉角控制量依次取多少時，小車走線才能最“接近”規劃出的期望走線。僅僅選取求解出的當前控制周期的轉角控制量作為實際的轉角控制量。在下一周期，將重新進行一次上述的規劃、最優化求解過程，如此反復循環執行下去。具體介紹如下文所示。

　　攝像頭標定

　　因為要進行走線規劃，就得獲取黑線的實際位置信息。通過攝像頭所獲得的只是黑線在圖像坐標系下的位置。因此，首先得求出圖像坐標系到世界坐標系的變換關系，這個變換關系是一個仿射變換關系，可以事先寫出這個變換關系的形式，然后再取一些標定樣點，通過計算標定出這個變換關系形式中的各個參數。攝像頭標定因為不作為本文重點，受篇幅所限，具體細節不在此贅述。

　　走線規劃

　　在賽車比賽中，走線選取的好壞可以作為評價車手水平高低的一個標準。在智能小車比賽中，走線選取的好壞同樣顯得很重要。針對不同類型的賽道甚至賽道組合，走線的選取，既要考慮到走線路程的長短，還要考慮到相應的速度限制，因此，如何走線是一個值得研究的問題。在各種走線規劃的策略中，一種最樸素而且效果也較明顯的想法就是“抄近道”。所謂抄近道就是在小車不沖出賽道的前提下，使小車在賽道上沿盡可能短的路線前進。最典型的兩種抄近道的表現方式如圖1所示，即蛇形道(a)和單向彎(b)上的抄近道。