1结构设计

1.1总体配图

下图是救援车后驱动的建模图片，也是关键的一部分。

       为了救援车能顺利跨越障碍区，自主设计3D打印车轮毂。设计圆形凹槽，然后用手工翻模专用硅胶A和B，按1：1充分混合导入圆型凹槽中，等3-4小时凝固后嵌入车轮毂中，最后用有机硅密封胶对其密封贴合。这样不仅仅增加车轮毂直径，还增加其表面摩擦系数，这样能更好贴合底面。

       为了更加贴合自主设计PCB电路板，车身连轴也是自主3D打印，后轮采用万向轮，为救援车增加灵活性。

       前驱采用MG310直流减速电机，MG310直流减速电机不仅仅1.5Kgf.cm扭矩，还自带AB相高精度GMR霍尔编码器，可以减少额外安装编码器，减轻救援车按照复杂程度。

1.2机械臂

为了使救援车完成解救人质和实现排爆任务，我们在前轴安装机械臂，在到达排爆区和救援区，能实现人质救援和气球砸破等现象。以下是机械臂的实物图。

       在舵机的控制下，机械臂的爪子能伸开和合并，实现“人质”抓取，为了实现舵机的固定，我们还专门给电机和舵机固定支架进行建模。以下分别是电机和舵机固定支架的3D建模。

1.3摄像头固定

救援车最核心部分就是摄像头模块。当救援车快速行驶是，摄像头的稳定性直接影响着救援车行驶路径、发挥稳定性等。为了摄像头能牢固在救援车上，我们根据摄像头和车身，自主设计一个3D建模底座，具体如下。

2.程序算法

2.1智能车视觉算法

2.2.1“大津法”

       大津法（OTSU）是一种确定图像二值化分割阈值的算法，算法的核心思想是通过遍历所有可能的阈值，将图像分割为前景（目标）和背景两部分，使得这两部分之间的类内方差（intra-class variance）最小，或者说使得这两部分之间的类间方差（inter-class variance）最大，也称为最大类间方差算法。核心板能将摄像头传回来背景的像素点设置为 0 （黑色），前景的像素点设置为 255 （白色），便可实现自适应的图像二值化分割。其核心代码为：

void threshold(uint8_t *img_data, uint8_t *output_data, int width, int height, int thres){

  for(int y=0; y

    for(int x=0; x

      output_data[x+y*width] = img_data[x+y*width]>thres ? 255 : 0;

    }

  }

}

2.2.2“迷宫寻线”提取边线

对于实际的赛道边线提取过程，针对赛道左边线，使用“左手”巡线；赛道右边线，使用“右手”巡线。该算法的核心是由于赛道的边界线是一条连续的曲线，所以我们并不需要每次都从图像中央开始向左右两侧进行扫描，而是仅仅在图像下侧扫描一次，得到边界线的起始点后，沿着边界线“一直走”即可。而这个“一直走”的具体做法则是参考走迷宫的“右（左）手法则”。

想象在边界线的起始点处有一个面朝图像上方的小人，黑色像素为墙，白色像素为路，小人保持左（右）手扶墙向前走，直到走到图像边缘或者走到步数的上限，而其走过的路径即为赛道边线。

“迷宫寻线”的创新点：

1. 只进行一次从图像中间向两侧找起始点的操作。
2. 受赛道内黑色物体干扰小。
3. 可以提取到向图像下方弯曲的边线。
4. 弯道不易丢线。
5. 计算量小。提取N个边界点，平均仅需2N次判断。

       如果每个像素使用7*7的区域计算二值化的阈值，那么对整张图片进行二值化可以等效为进行了7*7+1=50次全图遍历。376*240分辨率计算一次需要大约200ms。

 “迷宫法”巡线的过程中，仅仅用到了边界线周围很小一部分像素的二值化结果。这意味着，有大量的像素点是不需要对其进行二值化运算的。对于一张376*240分辨率的图像，如果在其中提取左右两个边线，每条边线上有240个点，那么平均只用到了2*240个点的二值化结果。如果可以省略不需要的点，我们的计算量平均可以减少188倍。

2.2.3PID算法

在“迷宫寻线”提取到左右边线数组中，将其相加后再除以二，即可得到赛道中线数据，最后将赛道中线数组输出即可得到摄像头偏差，然后偏差输入PID算法中，在PID算法输出PWM作用在电机上，利用差速原理可让救援车实现直走拐弯等动作，并完成任务抵达安全区。其算法核心思想如下流程图。

       PID算法核心是输出经过比例，积分，微分3种运算方式，叠加到输入中，从而控制系统。在PID算法中，我们需要关注目标值、反馈值、输出值，然后PID会根据目标值和反馈值计算输出值。其具体公式为：

1. 比例环节P(Proportion)：
2. 微分环节D(Differential)：
3. 积分环节I(Integral)：

其中为比例环节，微分环节，积分环节输出量，为个环节比例系数。，分别本次偏差，本次偏差-上次偏差（微分），所有偏差累和（积分）。PID 控制作用中，比例作用是基础控制；微分作用是 用于加快系统控制速度；积分作用是用于消除静差。只要比例、积分、微分三种控制规律强度配合适当， 既能快速调节，又能消除余差，可得到满意控制效果。

3.任务分解

 3.1障碍区

为了能顺利跨越障碍区，我们特意加强车轮毂，增大直径，增加表面螺纹，使其能更好爬坡。

我们设计独特的设计思路：先单独把车轮毂、车轮减震内胆、车轮轮胎和定型容纳器用SOLIDWORKS建模，3D打印出来，用手工翻模专用硅胶A、B按照1：1混合加入定型容纳器中，静置4H，将车轮减震内胆和车轮轮胎做出来，最后用有机密封胶将其固定在车轮毂。这样不仅仅加强救援车抗震能力，也极大加强爬坡能力。下图是车轮毂整体实物图。

3.2反恐区

当救援车行驶到反恐区，摄像头根据固定靶上RGB灯来锁定靶标，然后驱动激光器来发射红色激光当光源射到靶标平面时，当靶标平面将激光漫反射到激光接收端，模拟人像倒下，反恐完成。

3.3救援区和排爆区

为了顺利能完成救援区和排爆区任务，我们专门在就救援车安装云台。在云台有由舵机控制的“触手”，到达救援区，核心板输出PWM控制“触手”将人员救起带到安全区。摄像头识别到有3个气球，也能将“触手“伸出，擦破气球，从而实现排爆任务。“触手”如下：

4.控制系统设计

4.1设计流程图

4.2电路设计说明

4.2.1电源模块

供电电源采用3S锂电池，因此需要采用降压模块给各个设备提供电压。主控电源、驱动芯片启动电压和舵机电源采用TPS5430电源管理芯片，分别降压5V和6.7V。其电路图如下：

TFT屏幕和姿态传感器需要3.3V的电压，所以还需要将5V降压至3.3V，为此降压芯片采用线性稳压器AMS1117-3.3V，其电路图如下所示：

4.2.2外设接口

  总钻风摄像头与核心板采用串口通信，其中通信引脚RX和TX分别接PB11和PC10，数据引脚D0-D7接入核心板PC6-PC9和PE4-PE6；详细接线图如下：

TFT屏幕和姿态传感器均采用iic通信协议，为了方便实现iic通信协议时序，将数据引脚和时钟引脚接入普通IO口，使IO口输出高低电平来实现iic通信。

核心板的定时器1和定时器2来输出PWM，控制电机转速，定时器3和定时器4用来编码器计时，用来测量车自身速度来反馈给核心板，核心板根据反馈信息来自调整PWM输出占空比来调整电机转速。