综合分析本次竞赛规则和需求,分别对机械结构、硬件电路、软件系统进行了设计。
机械系统的设计是从车体框架设计,到车轮的选型,电机转速、功率、驱动力的计算,编码器的选型,抓取装置设计,电源选择以及连接与固定,最后进行车模机械机构的优化,每一步设计与选择都经过了从理论推导到实际设计与选型的过程。整个机械子系统由四部分组成,分别为支撑机构、动作机构、移动机构、连接部件。机械子系统总体框架图如图11.5所示。
图11.5 机械子系统框架图
硬件部分,选用NXP公司的OpenMV(RT 1060)视觉摄像头作为图像获取和预处理核心模块,选用i.MX6Q开发板作为路径规划算法运行的核心处理器,配合K60单片控制机械系统完成棋子、障碍的识别和搬运。系统总计方案如下:首先由视觉摄像头进行April Tags标签和车身姿态的识别,完成场上自我定位任务以及对目标位置的解算。然后将棋子和障碍信息发送到i.MX6Q开发板进行路径规划,最终由前(决策)摄像头发送控制指令,主、从单片机(MK60DN512ZVLQ10)接收控制信号速度、角度信息,进行闭环控制,完成棋子和障碍的拾取放置任务。硬件总体方案如图11.6所示。
(www.xing528.com)
图11.6 硬件总体方案图
软件系统由五大部分组成,分别是控制模块、图像识别、传感器数据处理、通信模块以及路径规划算法。控制模块主要用于电机控制、棋子拾取和障碍放置,其中电机控制采用PID算法对电机转速进行调节,结合麦克纳姆轮速度控制关系,实现对车辆的运动状态进行控制,棋子障碍主要通过控制舵机和电磁铁来完成。本系统有多个设备,其中4个摄像头、开发板以及单片机,经综合考虑选择用UART结合DMA的方式进行多设备间的数据交换。传感器数据处理主要是对各传感器的测量数据进行最优估计以及数据融合,其主要采用的是卡尔曼滤波算法。图像识别以i.MX RT1060为核心的OpenMV为硬件平台,采用Micro Python进行编程,利用其内置的图像处理库进行场地的April Tag标签识别和车模定位。八皇后的算法设计主要运用贪心算法来寻找最短路径,并结合搬运次数计算搬运时间,进而规划路径。在对增强学习算法和Q-learning算法尝试之后,选择用BFS算法寻找最短路径并结合障碍数量来进行决策。软件部分整体结构如图11.7所示。
图11.7 软件部分整体结构图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
