團隊致力于編程一輛自主遙控車/玩具車，使其能夠沿車道行駛并在紅色停車標志處停下。

本項目所用物品

硬件組件

羅技 HD Pro 網絡攝像頭 x 1

樹莓派4B x 1

光學速度編碼器 x 1

便攜式充電器 x 1

軟件應用與在線服務

OpenCV——開源計算機視覺庫

手工工具與制造設備

無繩電鉆/驅動器

銼刀

通用電烙鐵

項目背景

在本項目中，我們成功利用樹莓派的能力，結合速度編碼器和數模轉換器（DAC）進行運動控制，分別通過內核空間的gpiod驅動和Adafruit的I2C函數進行接口連接，從而創建了一輛能夠保持車道的遙控車。我們使用網絡攝像頭和OpenCV方法實現了車輛的車道保持能力，使車輛能夠通過PD控制熟練地檢測并自主跟隨車道標記。車輛保持在車道范圍內，在第一次看到紅色（即第一個停車標志）時停下，3秒后再次啟動，并在遇到第二個停車標志（第二次看到紅色）時永久停止。

本項目參考了用戶raja_961在AutoDesk Instructables上的項目：

“使用樹莓派和OpenCV的自主車道保持車”。Instructables。

網址：https://www.instructables.com/Autonomous-Lane-Keeping-Car-Using-Raspberry-Pi-and/

此外，我們還參考了此Hackster項目以指導我們的停車標志檢測邏輯。

https://www.hackster.io/beagle-bone-baja-blast/beagle-bone-baja-blast-eae48e

為了優化車道保持遙控車的性能，我們在攝像頭的分辨率上做出了戰略性決策。盡管原生分辨率為1280x720，但我們明智地將其降為176x144。這一調整在計算機視覺功能所需的細節與我們的樹莓派4的處理能力之間取得了平衡。選擇更高的分辨率會損害幀生成率，而幀生成率是實時響應性的關鍵因素。

我們通過實時數據分析過程精心指導了預定義比例增益（kp）和微分增益（kd）值的調優，該過程涉及比較程序期望的轉向角度與實際轉向角度，并將其與車輛PD控制前后的轉向值進行比較。由此，我們確定了給定的kp和kd值變化將在車輛的實際轉向中產生多大影響。在嘗試了各種比例增益值后，我們確定了kp = 0.08的最佳初始增益，以確保車輛對車道偏離做出準確響應。微分增益旨在抵消比例分量引起的振蕩，被設置為kd = 0.3 * kp。在反饋回路中同時使用這兩個分量，我們的代碼根據計算出的偏差動態調整轉向量。偏差計算為期望轉向角度與預定義角度（本例中為90度）之間的差值。

停車標志邏輯涉及停車標志檢測、第一個和第二個停車標志的處理以及計時。攝像頭每隔幾幀就會定期掃描紅色地面（模擬停車標志）。一旦檢測到第一個停車標志（通過攝像頭有限區域內存在一系列RGB值來表示），車輛將暫停計算出的3秒鐘。在此間隔后，車輛將平穩恢復速度。為了防止在第一個停車標志后立即檢查第二個停車標志，我們引入了故意延遲。這確保了第二個停車標志僅在定義的寬限期后才被考慮。一旦開始，檢測到第二個停車標志將促使車輛永久停止。這一復雜的邏輯增強了車輛對交通信號的響應性和遵守性。

以下圖表顯示了車輛在賽道上單次運行過程中誤差、轉向電壓和速度電壓隨時間（幀數）的變化：

聚焦于速度電壓值：

（圖表顯示，基于編碼器定時，速度電壓有非常微小的波動變化，這與我們的預期一致）

以下圖表顯示了車輛在賽道上單次運行過程中誤差、比例響應和微分響應隨時間（幀數）的變化：

聚焦于比例增益值：