智能车比赛算是自己参加实验室后的一腔热血吧。大一初入实验室，对于懵懵懂懂的我来说，一切都是新鲜的。而对于智能车，也有很大的吸引！因此，参加智能车的想法便开始了。

总的来说，一路的准备是辛酸且艰难的。因为对于我而言，一切都是新的！我是从大二开始准备的，这个时候的我，刚学完51,stm32是一点不懂，听实验室学长的建议，先学32理解下定时器，时钟等基本知识。学完之后，说实话，依旧懵逼！但是，依然硬着头皮继续了解智能车的相关知识。

比完赛后，想想还是总结一下吧。智能车比赛结束也是给大二画上圆满的句号。比赛结果不是很惊艳，但是也挺满足，自己的水平有限，这个成绩对于我来说，挺知足的。下面是我比赛过程的遇到的问题和解决方法，可能不是很好，不过也算是种思路吧。

【一初识PID】

什么是PID？

百度百科这样解释：

PID的英文全称为“ProcessIdentifier”，它属于电工电子类技术术语，是比例、积分、微分的简称。PID控制的难点不是编程，而是控制器的参数整定。

后来看别人的博客是这样理解的：

PID算法是电机控制算法中一个十分经典的算法，作为一个典型的闭环控制算法（即带负反馈调节）广泛地运用于工业控制领域。
PID算法由P（比例调节）、I（积分调节）、D（微分调节）组成。当然，根据实际情况，也可以省去微分调节，即PI算法。
PID算法的一般表达式是：

u(t)------输出量
Kp-------比例系数
e(t)------误差
Tt--------积分时间常数
TD-------微分时间常数
PID算法的输出量是误差的函数，当误差为0时，输出也为0；说明了使用PID算法实际上是为了达到某一目标状态并保持稳态，误差呈逐渐减小的趋势。下面我们来讨论其具体实现的内部细节和过程。

比例调节：只要产生误差，立马会对误差进行调整，误差大小与输出量成正比（U=Kp*e(t)），比例系数Kp越大，调节速度越快但容易产生震荡,越小不容易产生震荡但是调节速度会降低。但是比例调节会产生静态误差，举个例子：往一个水池里面注水，目标是维持水位高度为H，在离H较远时，增大注水速率，离H近时便减小注水速率，这便是比例调节，在离H很近时，由于误差存在，会继续往里面注水直到到达H，但是比例系数不是无穷大，输入量（注水速率）不可能发生突变，也就是说水位到H时注水速率并不为0，也就会超过水位H，超出的部分就是静态误差。
积分调节：用于消除静态误差，增大系统的无差度，通过对误差积分可以得到一段时间内误差的大小，从而对输入量进行调整，只要偏差存在，积分调节便会一直起作用。积分时间常数Tt越大，调节速率越慢，反之会越快，但是容易引起超调甚至震荡。
微分调节：对误差的趋势进行预测，提前对输出量做出预判性调整。就是误差对时间求导数，可以得到误差的变化趋势，有利于减小超调，克服震荡，提高系统响应速率。但是容易产生高频噪声，在干扰信号严重的系统中不适宜加入微分调节。

位置式PID算法：

其实就是一般式的离散形式

增量式PID算法：

增量式就是两个位置式相减的结果：

区别：
1、增量式只与最近三次的误差有关，运算速度快且无累积误差，而位置式需要对误差进行积分，容易产生累积误差且运算速度慢。
2、增量式的结果是输出量的变化量，即便出现误差影响不会太大，而位置式的结果是输出量，一旦出现错误影响会很大。
3、增量式适合执行结构带积分部件，如步进电机，位置式适合执行结构不带积分部件，如电液伺服阀。

原文链接：https://blog.csdn.net/m0_56501569/article/details/124397665

例子如下：

比例控制算法
我们先说PID中最简单的比例控制，抛开其他两个不谈。还是用一个经典的例子吧。假设我有一个水缸，最终的控制目的是要保证水缸里的水位永远的维持在1米的高度。假设初试时刻，水缸里的水位是0.2米，那么当前时刻的水位和目标水位之间是存在一个误差的error，且error为0.8.这个时候，假设旁边站着一个人，这个人通过往缸里加水的方式来控制水位。如果单纯的用比例控制算法，就是指加入的水量u和误差error是成正比的。即
u=kp*error
假设kp取0.5，
那么t=1时（表示第1次加水，也就是第一次对系统施加控制），那么u=0.5*0.8=0.4，所以这一次加入的水量会使水位在0.2的基础上上升0.4，达到0.6.
接着，t=2时刻（第2次施加控制），当前水位是0.6，所以error是0.4。u=0.5*0.4=0.2，会使水位再次上升0.2，达到0.8.
如此这么循环下去，就是比例控制算法的运行方法。
可以看到，最终水位会达到我们需要的1米。
但是，单单的比例控制存在着一些不足，其中一点就是 –稳态误差！（我也是看了很多，并且想了好久才想通什么是稳态误差以及为什么有稳态误差）。
像上述的例子，根据kp取值不同，系统最后都会达到1米，不会有稳态误差。但是，考虑另外一种情况，假设这个水缸在加水的过程中，存在漏水的情况，假设每次加水的过程，都会漏掉0.1米高度的水。仍然假设kp取0.5，那么会存在着某种情况，假设经过几次加水，水缸中的水位到0.8时，水位将不会再变换！！！因为，水位为0.8，则误差error=0.2. 所以每次往水缸中加水的量为u=0.5*0.2=0.1.同时，每次加水缸里又会流出去0.1米的水！！！加入的水和流出的水相抵消，水位将不再变化！！
也就是说，我的目标是1米，但是最后系统达到0.8米的水位就不在变化了，且系统已经达到稳定。由此产生的误差就是稳态误差了。
（在实际情况中，这种类似水缸漏水的情况往往更加常见，比如控制汽车运动，摩擦阻力就相当于是“漏水”，控制机械臂、无人机的飞行，各类阻力和消耗都可以理解为本例中的“漏水”）
所以，单独的比例控制，在很多时候并不能满足要求。

原文链接：https://blog.csdn.net/qq_25352981/article/details/81007075

【二图像识别】

这个是最让人痛苦的！！！！

【1.摄像头使用】

我比赛用的总钻风130°摄像头，拿到摄像头后，使用例程可以在IPS屏幕上看到一个灰度图像（原始图像）。。灰度图像有256个像素点即0-255。0-255是什么意思，我的理解即颜色的深浅。0是黑，255是白。0-255是介于黑至白之间。对于一个灰度图像中，图像中每一个点都是在0-255之间，每一个点都有一个值.受光照影响，不同位置，不同时间，不同关照，每一个点的值都会不同。所以我们要对这个值进行区分黑白，要进行处理。处理的方法就是：大津法——就是对你的灰度图像进行处理后得到一个阈值。输入进去一个二位数组图像，然后会返回给你一个阈值，然后你就用这个阈值进行二值化（即大于阈值为白（黑），小于阈值为黑（白）。即你就可以得到一个二值化图像。

【2.扫线】

先做第一行特殊处理先使用第60行中点作为第59行(第一行)搜线起始位置，成功搜索到左右边界后将第59行中点赋值给第60行便于下一帧图像使用。如果第60行中点在本行为黑点，再分别使用左遍历和右遍历的方法搜索边界，以赛道宽度较大的结果作为第59行边界，若仍然搜索不到边界或数据异常认为出界，出界返回0。

【3.中线】

我们是根据赛道中线进行循迹，所以中线的处理也非常重要。

扫线是由中间向两边扫线，由下向上扫。当向左边扫线时，当由白点跳变到黑点时，记录此时的坐标点，向右扫线时，同理，得到右边跳变点坐标。中线 = （左边线+右边线）/2 ，即得到中线！

【三元素处理】

这个也是搞了很久......

一共包括：十字，环岛，三岔，坡道，车库。

最复杂的就是三岔和环岛了......下面主要说环岛，三岔

1）环岛

环岛分左环岛和右环岛

以右环岛为例，我们可以知道，经过环岛时，左边不丢线，右边丢线，纵观所有元素，这是最特殊的一点。因此，这个可以当作一个标志位！可以通过对每行白点数来进行区别.为了减少CPU运行时间，我是计算第23-45行，45- 67的白点数来进行判断的，右环岛就是左边白点数少，右边白点数多。左环岛同理。进环之后就是处理出环标志了，但是出环标志位会有误判，我这里采用的是定时器来避免的。进环之后，1秒后识别出环标志可以很好的解决误判问题。

2）三岔

三岔也是个特殊标志位。

如图，因为摄像头算法不太好。我采用的还是看每行白点数来进行判断标志位。三岔路口的特殊点就在于有一个黑三角，这也代表着，每行的白点数由近到远是逐步减小的。由于我前期摄像头的位置太低，所以我看的是前5行的白点数，其实可以把摄像头位置调高一些，这样识别的远，后期提速更容易。我们就是前期摄像头太低，后期提速识别太慢，速度提不上去了。

3）坡道

坡道可以用陀螺仪

4）车库

车库斑马线也是个特殊标志位。因为每行就是黑白黑白......自己找个标志点就好。出库就是方向打死，延时几秒即可。

5）P型元素

十七届新加的元素，其实也很容易。

前面都是黑的，左右都丢线，与三岔异曲同工，改改标志位就好。

【总结】

参加这次智能车比赛，学到了很多。虽然成绩不是很好（三等奖）但是收获满满。这里特别提醒就是，一定一定一定仔细读比赛规则，今年我们就是规则没有仔细读，到比赛前3天才发现我们摄像头组是往返赛道，但是我们一直都是跑循环赛道。我们又重新铺，重新调参，重新找标志位。等到可以完赛时，离比赛还有2天，提速的时候发现，打脚太晚，后来琢磨是因为摄像头位置太低了，看的太近。。。。害，不过，还好，比预期好多了。本来想着是，跑一圈就好，坡道啊，三岔啊，环岛啊，都不进了，加时就加时呗，但是随着自己的理解和体会。慢慢的解决环岛，然后三岔，然后坡道，这个过程在不断解决问题，不断进步。虽然有些累，但是也有问题解决后的欣喜。中间也有破防过，撅着屁股调一天，结果没有一次完完整整的跑下来过。改了又改，回到宿舍腰酸背痛，腿的蹲的很难受。不过！！当车子跑起来之后，什么劳累都飘然而去，取代的是欣喜和成就感。

第十七届全国大学生智能汽车比赛相关推荐

第十七届全国大学生智能汽车竞赛，我们来了
北京科技大学天津学院第六届智能车校内赛总决赛完美落幕 2021年11月27日16时,北京科技大学天津学院第六届智能车校内赛总决赛在我院众创空间二楼智能车创新实践平台举办.本届校内赛总决赛分 ...
第十七届全国大学生智能汽车竞赛乐山师范学院申请承办西部赛区报告
一.学校简介乐山师范学院地处世界自然与文化双遗产所在地.中国最佳旅游目的地.世界文化名人郭沫若的故乡--被誉为"森林在城市中,城市在山水中"的乐山市,东望乐山大佛,南临大渡河 ...
第十七届全国大学生智能汽车竞赛百度创意组来啦
「全国大学生智能汽车竞赛」是教育部倡导的大学生科技A类竞赛,是2021年全国普通高校大学生竞赛榜单内竞赛,中国高等教育学会将其列为含金量最高的大学生竞赛之一.在全国数百所高校的支持下,全国大学生智能汽 ...
第十七届全国大学生智能汽车竞赛讯飞-家庭服务机器人挑战赛全国总决赛规则
第十七届全国大学生智能汽车竞赛讯飞-家庭服务机器人挑战赛全国总决赛规则一.赛项简介 1.1 赛事背景伴随着人工智能技术的不断发展与进步,如何让相关技术再有新的突破,从当前的局部智能,迈向更 ...
第十七届全国大学生智能汽车竞赛创意组-百度智慧交通（丝绸之路）
第十七届全国大学生智能汽车竞赛创意组百度智慧交通(丝绸之路) 一．赛项背景「全国大学生智能汽车竞赛」是教育部倡导的大学生科技A类竞赛,中国高等教育学会将其列为含金量最高的大学生竞赛之一.2005年 ...
第十七届全国大学生智能汽车竞赛安徽赛区暨安徽省第十五届大学生智能汽车竞赛闭幕式致辞
第十七届全国大学生智能汽车竞赛安徽赛区暨安徽省第十五届大学生智能汽车竞赛闭幕式致辞尊敬的张尔桂处长.朱永国副处长,尊敬的杨辉军院长, 亲爱的老师们.同学们.朋友们: 下午好! 第 ...
关于举办第十七届全国大学生智能汽车竞赛的通知
关于举办第十七届全国大学生智能汽车竞赛的通知有关高等学校教务处: 为加强大学生实践.创新能力和团队精神的培养,促进高等教育教学改革,2005年10月受教育部高等教育司委托(教高司函[2005] ...
第十七届全国大学生智能汽车华南赛区竞赛 - 流程册（文档）
实验与创新实践教育中心简介哈尔滨工业大学深圳校区由哈工大与深圳市政府合作共建,以全日制本科生与研究生教育为主.非全日制教育为辅,是国家"985工程"建设高校和"双一 ...
第十六届全国大学生智能汽车比赛—摄像头算法控制总结
第十六届全国大学生智能汽车比赛是我大学参加的第一个有意义的比赛,让我在学校实验室SCA打开了进入大学的大门,无数次的包夜和学习让我静下了心,很荣幸参加过这样一次的竞赛,收获颇丰.简单的做一个总结,算是 ...

第十七届全国大学生智能汽车比赛

【一初识PID】

【二图像识别】

【三元素处理】

【总结】

第十七届全国大学生智能汽车比赛相关推荐

最新文章

热门文章

第十七届全国大学生智能汽车比赛

【一 初识PID】

【二 图像识别】

【三 元素处理】

【总结】

第十七届全国大学生智能汽车比赛相关推荐

最新文章

热门文章

【一初识PID】

【二图像识别】

【三元素处理】