自动驾驶汽车开源案例

描述

这款自动驾驶汽车基于 raja_961 在 Instructables 上的“使用 RaspberryPi 和 OpenCV 的自动车道保持汽车”项目以及 Team Really BaD Idea 的汽车和上届 ELEC 424 会议的代码 。汽车沿着一条由两条蓝线引导的路径行驶，这条路径开始时是一条直线路径，但在末端弯曲。当汽车检测到路径上的繁文缛节时，它会暂时停下来，然后再次继续行驶。

为了让汽车顺利通过赛道，我们需要调整一些影响视野、转向和速度的重要值。需要选择相机的分辨率，以便可以看到车道的蓝线，并且每条线的斜率可以由我们主要 Python 代码中的 OpenCV 模块确定。因此，我们选择了相机支持的最大分辨率，该分辨率也足够小，不会因为使处理非常耗时和计算密集而影响程序的性能；该分辨率最终为 160x120。至于转向的比例和微分增益，我们发现Team Really BaD Idea'中使用的常数（kp为0.095，kd为0.0095）只要每次转弯的基本 PWM 足够低，汽车不会转得太快，但足够高，汽车不会转得太慢，S 的代码就可以很好地工作。此外，汽车向前行驶的速度也有助于转弯能力，该速度受到编码器程序的影响，该程序根据车轮辐条打破编码器光束之间测量的时间来减慢或加速驱动器。

停止框是通过使用 Python 中的 OpenCV 模块检测到的。这取决于我们为红色代码赋予的值（来自 Team Really BaD Idea 的代码），这在早期引起了一些问题，因为我们的相机只对繁文缛节（而不是较轻的施工纸）做出反应。在主循环中，使用 OpenCV 模块进行检查，直到相机的大部分帧都变成红色，并且每一帧都执行此操作。一旦检测到第一个停止框，一个布尔值导致汽车停止，第二个停止框被检查的速率减慢到每 3 帧一次（这个速率在第一个停止标志后 200 帧开始），这允许我们在不再次触发逻辑的情况下通过第一个停止框。编码器和内部“go_faster()”

在附件部分，我们提供了车道保持误差、比例响应和微分响应与帧数的关系图；错误、转向 PWM 和速度 PWM 与帧数的关系图；以及我们汽车机械设置的图像。摄像头需要放置在赛道上方足够高的位置，以便分辨率能够捕捉到车道，并且需要固定电线和电池，以便汽车在整个赛道期间保持稳定。