1、基于 LabVIEW 的智能车辆控制系统设计李俊望、楠春柳、简娇望、景正虎、方亮华北水利水电大学、机械工程学院中国、河南、郑州 450011摘要 传统的智能车控制系统在使用过程中具有以下缺点：图像的处理算法复杂、电缆的通信模式不够灵活、不能对车辆运行过程中进行实时监测和控制。与这种控制方法相比。由于 LabVIEW 具有强大的信号处理功能和图形化编程的特点,并且 NI myrio 嵌入式系统设计平台具有强大的硬件系统，使得基于 LabVIEW 控制系统的智能车辆相比与传统控制系统的只能车辆更加灵活方便。首先，该系统由NI myrio 嵌入式系统设计平台 控制的可旋转摄像头采集图像信息。然后将采
2、集到的图像信息通过 Wi-Fi 通信传送到到 LabVIEW 可视化分析模块并用算法进行处理。最后，根据图像信息的分析结果，由 NI myrio 嵌入式系统设计平台嵌入式系统设计平台中的 FPGA 模块使用 PWM 控制算法对伺服电机进行控制，使得电机按照一定的要求旋转，从而实现智能车辆的自动跟踪和存储等其他功能。关键词：LabVIEW、智能车辆、NI myrio 嵌入式系统设计平台、系统控制。介绍随着交通运输领域的控制理论和控制技术飞速发展，车辆和车辆电子的研究越来越受到人们的关注。智能车辆作为典型的高科技集成载体，主要涉及到：实时图像处理理论、实时图像处理技术、模式识别、人工智能、自动控制
3、、传感器技术等学科 1。它结合了信息科学技术和人工智能的最新研究成果，成为当前国家重点关注的发展智能交通系统中的重要组成部分 2 。智能车辆控制系统具有广泛的理论价值和现实意义。智能车辆的识别方法不仅决定于自身的性能，而且受到开发成本和使用系统的影响 3 。在早期，智能车辆识别方法主要是基于电磁感应引导技术，但由于电磁感应范围小，不适用于电磁感应范围广泛的复杂环境 4 。图像传感器的优势与当前图像处理技术的可行性相结合，已成为智能车辆中路径识别技术的一个重要课题。现在，智能车控制系统仍然在使用各种传感器，通过传统的 C 语言编程设计。然而，这种控制方法具有以下几个问题：首先，开发者必须使用各种
4、传感器来实现数据的传输和移动；其次，各种传感器和数据通信之间没有明确的联系，系统无法综合处理突发事故中传感器和数据通信同时发生的故障。目前，随着汽车技术的不断发展，智能车辆控制系统的研究取得了很大进展。在国外，如日本 VERTIS 的智能车控制系统，整个智能系统中包括 23 个 ITSZ 子系统，这些子系统主要用于车辆通信、信息处理、环境探测、辅助控制（自动驾驶）功能。另外，雷诺开发的智能车不但可以使车辆了解周围的环境，如道路状况、附近车辆的距离、周围车辆的行驶速度等，而且可根据当前具体情况及时纠正并且迅速调整速度、方向和其他数据 5 。虽然，智能车辆研究在我国起步较晚，但发展迅速。例如：清华
5、大学自主研制的移动机器人试验车 THMR - V，已经能够独自在非常复杂的环境中行进 6 。在该系统中，他们利用激光雷达和摄像机作为移动机器人实验车的视觉系统，并且利用他们前段时间研发的先进图像处理技术来识别和处理视觉系统传递来的信息，从而可以对移动机器人实验车进行智能控制，实现智能车的自主运动。在原有设计理论的基础上，通过结合硬件和软件的方法，采用虚拟仪器技术开发的智能车辆控制系统。由于将 LabVIEW 作为控制平台，不仅使复杂的冗余编程变得可视化、简单化。并且借助于 LabVIEW 丰富的信号处理功能，使信号分析和信号处理变得更加简单。此外，NI myrio 嵌入式系统设计平台作为硬件系
6、统的核心，通过控制摄像机、电机、伺服系统、蜂鸣器等硬件，使智能车辆可以实现监控交通信息、自动跟踪、倒车入库等功能。通过 WiFi 无线通信，智能车辆控制系统不仅能够实时监控，而且可以通过拍照，将图片通过无线传输的方式传送到后台，进行后台操作。通过后台操作，能够使得操作更加方便直观。该系统还可以使用 NI myrio嵌入式系统设计平台 的 WiFi 通信功能显示当前的交通信息和运动信息。并且能够通过 iPad 进而控制智能车辆的运动。这样就使得控制系统更加多样化和智能化。整体方案设计NI myrio 嵌入式系统设计平台是智能车辆控制系统的核心。本系统的设计分为三个部分：采集交通信息、处理图像信息
7、、控制智能车辆运动。首先，该系统由 NI myrio 嵌入式系统设计平台 控制的旋转摄像头采集交通图像信息。然后将采集到的图像信息通过 Wi-Fi 通信传送到 LabVIEW可视化分析模块并用设计的算法进行处理。最后，根据图像信息分析的结果，NI myrio 嵌入式系统设计平台中的 FPGA 模块采用 PWM 控制算法控制伺服电机旋转，实现智能车辆的自动跟踪和存储等其他功能。通过设置图像和图层，能够使得智能车遇到绿色减速，遇到红灯停止，满足其他颜色的情况下进行平稳的转向。并且系统将采集 NI myrio 嵌入式系统设计平台内的三轴加速度计中z 轴的参数，实现智能车在不同地形中按照不同的速度行驶
8、。蜂鸣器不仅可以在转弯时超出一定角度时发出报警，还可以在路况不好时报警。监控系统通过 LabVIEW 软件在计算机上实现。计算机能够接受、显示和发送智能车辆的速度、角度、交通信息等数据，从而实时监控智能车辆的运行情况。硬件系统硬件系统主要包括以下几个部分：计算机硬件系统、相机、NI myrio 嵌入式系统设计平台，汽车，伺服系统、电机和蜂鸣器。计算机是整个系统的上位机，通过 LabVIEW 控制系统来控制车辆的运动、伺服系统，并实时显示车辆的运动速度、方向和道路信息。它可以通过 NI 的可重配置 WiFi 通信连接。摄像机就像智能车辆的眼睛，它能够实时采集道路信息的图像。交通信息和方向信息通过
9、 LabVIEW 中的图像处理模块进行图像处理，然后反馈到伺服系统，由伺服系统控制电机转动，进而完成车辆的路径识别功能。电机是智能车的动力部分，电机的速度及其控制主要采用半桥整流电路和PWM 控制算法。伺服系统主要包括电机控制器、直流电动机和直流电机减速器。我们需要安装一个电位计来检测出电机轴的旋转角度。控制面板可以根据潜在的信息准确地控制并且保持电机轴的输出角度。NI myrio 嵌入式系统设计平台在芯片技术上包括最新的 Xilinx Zynq可编程系统模块，这个系统包含一个双核心 ARM Cortex-A9 处理器、28000 个逻辑单元和 16 个 DMA 通道。此外，NI myrio
10、嵌入式系统设计平台也具有多个外围 I/O 接口，其中包括10 个模拟输入和 6 个模拟输出、40个数字的输入输出和立体声音频的输入输出。在调试和连接的功能中：有四个可编程控制的 LED 灯和三轴加速度传感器控制板。结合 NI myrio 嵌入式系统设计平台的硬件优势，采用具有实时性能的 ARM A9 和可定制 i/o口的 FPGA 来完成整个系统的设计。该引脚如图 1 所示。图 1 NI myrio 嵌入式系统设计平台的引脚连接 WiFi 信号后，系统通过LabVIEW 平台直接控制 NI myrio 嵌入式系统设计平台,然后在 NI myrio 嵌入式系统设计平台上连接可旋转摄像头、马达、伺
11、服系统和蜂鸣器。直接由电机和伺服系统控制智能车辆的运动，通过控制摄像头转动采集所需图像信息。同时车载的 Z 轴加速度传感器负责监测当前道路的交通信息。硬件连接图如图 2 所示：图 2 硬件连接图软件系统软件系统是本次设计内容的重点和难点。软件程序主要由硬件配置、算法处理和硬件接口模块三部分组成。硬件配置包括伺服电机、蜂鸣器、数码相机、串行端口模块、伺服电机及PWM 控制模块、摄像头和图像采集及传输模块。算法处理主要包括图像处理的算法、控制伺服电机和蜂鸣器的算法。该图像处理算法包括二值化、滤波、边缘检测、建立坐标、方向测量及其他软件系统。系统流程图如图3 所示：图 3 系统流程图1）NI myr
12、io 嵌入式系统设计平台的硬件配置通过配置可重配置 i/o 中的输入输出端口来实现 NI myrio 嵌入式系统设计平台和电脑的连接。伺服系统和电机的输入输出端口的接口直接采用 PWM 控制算法控制。与此同时配置给相机的 USB 端口直接连接到可重配置 i/o。硬件配置的后面板如图 4 所 示。图 4 硬件配置后面板图在这个 PWM 的子 VI 中，能够设置NI myrio 嵌入式系统设计平台的参数和 PWM 的输入信号。当我们配置 PWM 端口时，如果参数不合适将会导致 PWM 信号无效，此时通过 FPGA 传输模块可以提高程序处理的能力并且保证操作成功。PWM的子 VI 控制算法如图 5
13、所示。图 5 PWM 子 VI2）NI myrio 嵌入式系统设计平台控制算法自动跟踪存储算法是控制程序的重要组成部分。其中 LabVIEW 视觉模块可以处理并且分析自动跟踪的图像，其中包括图像缓存、图像颜色传递、二值化处理、边缘检测、建立坐标和角度测量。系统在彩色图像识别的基础上，通过检查所拍摄路面上图像的颜色来识别当前信息，从而进过伺服系统控制电机的旋转角度和旋转转速。存储算法包括 NI myrio 嵌入式系统设计平台、电机、舵机、相机和蜂鸣器控制算法。下面将介绍伺服电机控制、蜂鸣器和摄像头处理功能的算法：首先，伺服算法包括简单的手动伺服部分，如图 6 所示。图 6 简单手动私服模块摄像机
14、旋转角度的测量、伺服系统控制电机转动角度且自动存储的算法程序如图 7 和图 8 所示。图 7 旋转角度测量模块图 8 转角自动存储算法程序其次是电机控制算法。电机控制算法比伺服系统简单得多，只是一些简单的 PWM 值控制，很容易在LabVIEW 程序中实现。但鉴于颜色识别和三轴加速度传感器，电机控制算法需要在原有基础上添加一些新的算法进行处理。PWM 电机控制算法如图9 所示。图 9 PWM 值控制算法3、蜂鸣器控制算法。当伺服角度超过 10 度时，蜂鸣器开始工作。如果识别到的采集颜色是红色，则蜂鸣器会发出蜂鸣声，通过蜂鸣声警告当前处于危险状态。的如果路面情况不好，超过了三轴加速度传感器所设定
15、的值，蜂鸣器也将会发出哔哔声。同时，电机会降低转速，进而降低车速。4、摄像头控制算法。摄像头控制算法是软件编程中最核心的部分。摄像机控制算法包括：图像缓存、图像颜色传输、图像二值化处理、图像滤波、图像边缘检测、图像处理、图像坐标建立、图像角度测量等。其中，图像颜色识别是通过校验的方式对路面图像的颜色进行检测，进而判断当前的交通信息然后执行相应的控制命令。图 10 是颜色识别的一部分。图 10 颜色识别算法第 5、通过可变的 Z 轴加速度传感器来检测当前道路的信息，即可以控制车辆在不同的道路以不同的速度行驶。三轴加速度传感器控制电机的程序如图 11 所示。图 11 三轴加速度控制电机算法在存储操
16、作中，基于颜色识别结果的系统能够执行相应的操作。如果检测到路面是绿色的贴纸，伺服系统控制电机减速从而使车辆转向；如果发现路面有红色贴纸，车辆停止运动，完成自动仓库；如果发现路面是黑色的贴纸，车辆进行自动跟踪。整个算法处理按照一定的顺序执行。为了避免顺序执行功能导致数据流的功能结构错误，所以我们有错乱簇代替顺序执行功能。这样既避免了冗余又减少了错误。自动跟踪和停车存储算法的整体程序框图如图 12 和图 13 分别所示。图 12 自动跟踪算法图 13 停车存储算法图 14 智能车结构图结论基于实验室的智能车辆控制系统能够满足智能车辆的需要，除了实现跟踪和存储操作外，还具有以下特点：（1）操作系统简
17、单方便。而通过WiFi 网络的方式，智能车的运动变得更加灵活；（2）与传统智能车辆相比，开发成本大大降低；（3）与使用了多个传感器的传统智能车辆相比，系统只使用相机减少了程序冗余和程序调试的难度。智能车辆结构如图 14所示。致谢项目由郑州测控技术与仪器重点实验室（121 pyfzx181）和 HA STIT(14HASTIT001)支持参考文献1. Orita T, et a1. (1993) An approach to the intelligentvehicle. Proc. of IEEE Intelligent VehiclesSymposium, p.p. 426-432.2. W
18、ang C. (2014) Intelligent vehicle developmentpresent situation and forecast. Sciences &we alth, no.3, p.p. 123-124.3. Liu J. (2011) Based on visual navigation intelligentvehicle control system design and research(Master Thesis). Southwest Universityof Science and Technology: Mianyang.4. Guo H., Tan
19、M. (2001) Development status andtrend of mobile robot. Robot technology andapplication, 23(3), p.p. 7-14.5. Zhou J. (2011) Intelligent vehicle control systemdesign based on vision navigation (MasterThesis).Wuhan University of Technology: Wuhan.6. Shun Y. (2007) Intelligent vehicle control systembase
20、d on path planning (Master Thesis).Qingdao university: Qingdao.7. Wilcox B., Gennery D. (1987) Vision systemfor a AGV system. Mobile Robots, 5,p.p. 172-179.8. Wang R., Xu Y. (2002) A vision-based roadedge detection algorithm. Proc. of IEEE IntelligentVehicle Symposium, p.p. 141-147.9. Wang Y., Wang
21、Z. (2009) Image processingtechnology based on Labview. Ordnance industryautomation, 28(1), p.p.89-91.10. Wang H., Yang J. (2014) Test platform forwireless vision intelligent vehicle. ElectronicsWorld, 4,p.123.11. Yuan M. (2010) Intelligent vehicle integratedinformation monitoring system developmentbased on LabVIEW. The modern electronictechnology. 35(20), p.p.149-151.12. Chang J. (2012) Product test platform designand application based on LabVIEW machinevision (Master Thesis). South China universityof technology: Guangzhou。
