基于线性CCD的类人机器人循迹系统的设计
ccd巡线原理
ccd巡线原理CCD巡线原理CCD（Charge Coupled Device）是一种常用的图像传感器，广泛应用于工业自动化、机器视觉等领域。
CCD巡线是指利用CCD传感器实现机器人或智能车等设备沿着预定路径行驶的技术。
下面将详细介绍CCD巡线的原理和工作过程。
一、CCD传感器简介CCD传感器是一种将光信号转换为电信号的设备，它由一系列的光敏单元阵列组成。
每个光敏单元都能够将光信号转化为电荷，并将电荷传输到下一个单元。
通过对每个光敏单元的电荷进行读取和处理，可以得到一个完整的图像。
二、CCD巡线原理CCD巡线是利用CCD传感器对地面上的巡线路径进行感知和识别，从而实现机器人或智能车等设备的自动导航。
其基本原理是通过CCD传感器对巡线路径上的光线进行采集和处理，从而得到路径的相关信息。
具体来说，CCD巡线主要包括以下几个步骤：1. 光线采集：CCD传感器将光线转化为电荷，通过镜头对巡线路径上的光线进行采集。
2. 信号处理：CCD传感器将采集到的电荷信号转化为数字信号，并进行放大和滤波处理，以提高图像的质量和清晰度。
3. 图像分析：通过对处理后的图像进行分析，提取出巡线路径的特征信息，如颜色、形状等。
4. 路径识别：根据巡线路径的特征信息，利用图像处理算法对路径进行识别和定位。
5. 控制指令：根据路径的识别和定位结果，生成相应的控制指令，控制机器人或智能车沿着巡线路径行驶。
三、CCD巡线的优势CCD巡线相比其他巡线技术具有以下优势：1. 高分辨率：CCD传感器具有较高的分辨率，可以获取更为清晰和细节丰富的图像。
2. 高灵敏度：CCD传感器对光线的感应灵敏度较高，能够在较暗的环境下正常工作。
3. 高稳定性：CCD传感器具有较高的稳定性和可靠性，能够长时间稳定地工作。
4. 可编程性：CCD巡线系统可以通过软件对图像处理算法进行调整和优化，提高巡线的准确性和鲁棒性。
5. 实时性：CCD巡线系统可以实时地对图像进行处理和分析，实现快速响应和实时控制。
基于CCD的智能车寻迹方法
寻迹是机器人的一种简单视觉 ,基于电荷耦合 器件 (CCD) 的视觉导航是路径识别技术的一个重 要发展方向. 智能车系统以一个标准的汽车模型作 为载体 , 为 了 提 高 智 能 车 行 驶 的 速 度 和 稳 定 性 , CPU 需要将路径的迅速判断 、舵机与驱动电机的控 制紧密地结合在一起. 赛道底色为白色 ,标有黑色 中心线. 如何准确识别道路中心线参数 (位置 、角 度 、曲率等) ,计算出赛车与道路中心线的相对位置
的 A /D 转换器 ,最快 A /D 转换时间为 375 ns ,可 以满足视频信号的采集速度需要. 选用集成的 A /D 转换可以省去外部 A /D 转换的复杂的逻辑控制 , 且电路的实现极为简单.
由于所选的黑白图像传感器为 PAL 制 ,故行频 为 64 s ,场频为 20 ms ,行同步为 12μs (行消隐脉冲 4. 7μs) ,场同步脉冲宽度为 25 个行周期 (2. 048 ms) , 去掉行同步时间 ,则每行的有效信息时间为 52μs. 2407A 的最快 A /D 转换时间为 375 ns ,从数据可 靠性与稳定性的角度考虑 ,选择每行采集 40 个点 , 每场采集 200 行 ,但在实际应用中 ,每场采取每间 隔 10 行采集一行数据的策略 ,如此操作就能够满 足控制系统的精度要求. 这样 ,图像传感器每场的 数据变换成一个 20 行 、40 列的二维数组. 一般情况 下 ,只需要两块图像存储空间即可 ,一块作为采集 图像的存储空间 ,另一块作为处理缓冲区. 1. 3 存储空间的扩展
基于线性CCD的智能循迹小车设计
节点应用遥 内嵌支持 LIN 协议的增强型 SCI 模块及 SPI 模块袁4 通道 16 位计数器袁出色的低功耗特性袁带有中断唤醒功能的 I/O袁实现唤醒休眠 系统的功能曰拥有 8 通道 PWM袁易于实现电机控制遥 作为专业的汽车电 子控制芯片袁能够更加适应智能控制遥 2.2 线性 CCD 图像信息采集处理模块
咱责任编辑院庞修平暂
渊上接第 40 页冤表示所属袁如院廿剽劐卦 蒯匮蒯仨 剽匮劂劂剀匮刭仨赜匮刂劁.爸爸的朋友在 讲遥 第三格旧译予格袁基本用法是表示间接客体袁如院亓 剽匮劂劂剀匮刭仨赜匮刂仞 蒯匮蒯刂 赜劂刈. 我给爸爸讲述着所有的事遥 第四格旧译补格袁基本用法是直 接客体袁如院亓 剌仞匾剌仞 蒯匮蒯劐. 我爱爸爸遥 第五格旧译造格尧工具格袁基本 用法是表示工具尧方法袁也表被动句的行为主体遥 如院噩剡刳卦匮 亻刳劁匮刂劁劂伛 蒯匮蒯剜刿. 此书正被爸爸读着遥 第六格袁旧译前置格袁与 剜 等前置词连用袁 表言语思维的内容等义袁 如院亓 剽匮劂劂剀匮刭仨赜匮仞 匾剽匮劁劐 剜 蒯匮蒯刂. 我给弟弟 讲爸爸遥
SKP=1000;
KI=120;
KD=250;
}
else
//减速 PID 参数
{
SKP=800;
KI=100;
KD=200;
}
car_speed =25000+SKP*ek0+KI* (ek0-ek1) + KD * (ek0-2*ek1+
ek2);
if(car_speed > 25000)
car_speed=25000;
舵机主要用来控制单片机的 PWM 模块袁通过调节脉冲的宽度和 周期来控制舵机和电机的工作遥 通过输入占空比一定的脉冲袁内部电 机将转过一个固定的角度袁所以要让舵机转到某一个位置袁只需要改 变脉冲的占空比就可以实现舵机在一定角度内的任意转动遥 2.4 电机驱动和转速控制模块
基于51单片机类人机器人智能巡线的设计与实现
基于51单片机类人机器人智能巡线的设计与实现一、引言随着科技的不断发展，机器人逐渐成为了人们生活中重要的一部分。
类人机器人作为其中的一种，能够模拟人类的行走和动作，能够执行一些特定的操作任务。
在实际应用中，类人机器人需要具备智能巡线的功能，以能够根据环境变化实时调整行走方向。
合理的设计与实现类人机器人智能巡线功能对于提高机器人的实际应用效果至关重要。
本文基于51单片机，介绍了一种基于光电传感器的类人机器人智能巡线设计与实现的方案。
二、设计原理1.光电传感器光电传感器是智能巡线的核心部件，能够接收外界光线的变化，将其转化为电信号并输出给单片机进行处理。
为了使机器人能够智能巡线，需要在机器人两侧各安装一个光电传感器来感知地面的黑线。
2.单片机控制3.电机驱动机器人的行走由两个电机驱动，通过控制电机的转动方向和转速来改变机器人的行进方向和速度。
可通过PWM技术来控制电机的速度，通过H 桥电路来控制电机的转向。
三、设计步骤1.硬件设计根据机器人的设计要求，确定机器人的形状和电路配置。
将两个光电传感器连接到单片机的IO口上，通过IO口读取光电传感器输出的电信号。
利用H桥电路控制电机的转向，通过PWM信号控制电机的速度。
2.软件设计在51单片机的开发环境下编写巡线控制程序。
主要包括读取光电传感器的电信号、判断传感器的状态、根据判断结果控制电机的转向和转速等功能。
程序流程如下：-初始化各个IO口和定时器-循环读取光电传感器的输出电信号-根据光电传感器输出的电信号判断传感器的状态-根据传感器状态控制电机的转向和转速-在循环中不断更新电机的状态，实现智能巡线四、实施与测试根据设计步骤进行硬件搭建和软件编程后，进行实际测试。
将机器人放置在黑线上，开启电源，观察机器人行走情况。
当机器人移动到黑线外时，根据光电传感器感知到的情况，及时进行调整，使机器人重新回到黑线上行走。
在测试过程中，可以根据实际情况进行一些参数的调整，如阈值的设置，紧急停止机制的优化等。
寻迹小车智能控制系统的设计方案
寻迹小车智能控制系统的设计方案1 绪论进入二十一世纪，随着计算机技术和科学技术的不断进步，机器人技术较以往已经有了突飞猛进的提高，智能循迹小车即带有视觉和触觉的小车就是其中的典型代表。
1.1 智能循迹小车概述智能循迹小车又被称为Automated Guided Vehicle，简称AGV，是二十世纪五十年代研发出来的新型智能搬运机器人。
智能循迹小车是指装备如电磁，光学或其他自动导引装置，可以沿设定的引导路径行驶，安全的运输车。
工业应用中采用充电蓄电池为主要的动力来源，可通过电脑程序来控制其选择运动轨迹以及其它动作，也可把电磁轨道黏贴在地板上来确定其行进路线，无人搬运车通过电磁轨道所带来的讯息进行移动与动作，无需驾驶员操作，将货物或物料自动从起始点运送到目的地。
AGV的另一个特点是高度自动化和高智能化，可以根据仓储货位要求、生产工艺流程等改变而灵活改变行驶路径，而且改变运行路径的费用与传统的输送带和传送线相比非常低廉。
AGV小车一般配有装卸机构，可与其它物流设备自动接口，实现货物装卸与搬运的全自动化过程。
此外，AGV小车依靠蓄电池提供动力，还有清洁生产、运行过程中无噪音、无污染的特点，可用在工作环境清洁的地方。
1.1.1 循迹小车的发展历程回顾随着社会的不断发展，科学技术水平的不断提高，人们希望创造出一种来代替人来做一些非常危险，或者要求精度很高等其他事情的工具，于是就诞生了机器人这门学科。
世界上诞生第一台机器人诞生于1959年，至今已有50多年的历史，机器人技术也取得了飞速的发展和进步，现已发展成一门包含：机械、电子、计算机、自动控制、信号处理，传感器等多学科为一体的性尖端技术。
循迹小车共历了三代技术创新变革：第一代循迹小车是可编程的示教再现型，不装载任何传感器，只是采用简单的开关控制，通过编程来设置循迹小车的路径与运动参数，在工作过程中，不能根据环境的变化而改变自身的运动轨迹。
支持离线编程的第二代循迹小车具有一定感知和适应环境的能力，这类循迹小车装有简单的传感器，可以感觉到自身的的运动位置，速度等其他物理量，电路是一个闭环反馈的控制系统，能适应一定的外部环境变化。
基于CCD的智能车循迹系统的研究
图像采集是根据摄像头的行信号和场信号对图像模拟量进行采集。输出信号包括行 同步信号 、 场同步信 号、 图像时间以及各种消隐时间。行 同步信号代表一行图像数据扫描开始 ， 场同步信号代表一帧图像数据扫 描开始 。要 完成 图像 的正确采 集 ， 必须严 格遵 守时序 的要 求 ： 当捕捉 到 一个行 信号 时 ， 始对 该行 各点 的模 拟 开 量进行 采集 ， 当下一 个行 信号 发生 时表 明该行 采集完 毕 ， 要对 下一 行模 拟量进 行 采集 。 需
关键 词 ：循迹 ； 径识别 ； 路 二值 化 ； 能车 智
中 图分类号 ： Ｐ ８ Ｔ １
文献标 识码 ： Ａ
０ 引 言
图像 处理 和 电机控 制技术 广泛 应用 于各 种智 能循 迹 的车辆 ， 目前 很 多循 迹 系 统采 用 Ｃ Ｄ 或者 红外 传 感 Ｃ 器实 现数 据 的采集 。Ｃ Ｄ 的前瞻性 好 ， 制 精细 ， 算 法复 杂 。本文对 采 用 Ｃ Ｄ 的路 面信 息采集 与控 制算 法 Ｃ 控 但 Ｃ 进行 简化 改进 ， 小 车 能 够 沿 黑 色 引 导 线 快 速 行 驶 ， 不 会 冲 出 跑 道 。该 小 车 采 用 Ｆｅｓａｅ公 司生 产 的 使 又 ｒｅｃｌ ＭＣ Ｓ２ Ｓ２ 号单 片机作 为控 制芯 片 ， 过单 片机 的 片 内 Ａ ９ １Ｘ １８型 通 Ｄ模 块 和 Ｃ Ｄ采集 小 车前 方黑 色 引 导线 的 图 Ｃ 像， 经过对 图像 的一 系列分 析得 出舵 机 的输 出角度 以使 小 车转 向 ， 并判 断 小 车应 该 加 速还 是 减 速 。该 小 车 的 设计 已经在 ２０ ０９年全 国智 能车 比赛 中取得 二等 奖 。
置进 行 了提升 ， 大 了力矩 ， 小车 能按照 轨迹进 行快 速转 弯 。 增 使
基于极限学习机的机器人类人运动轨迹控制方法研究
基于极限学习机的机器人类人运动轨迹控制方法研究机器人类人运动轨迹控制是机器人控制领域中的一个重要研究方向，极限学习机（Extreme Learning Machine，简称ELM）是一种新型的机器学习算法，具有训练速度快、泛化能力强等优点。
本文将基于极限学习机，研究机器人类人运动轨迹控制方法。
首先，我们需要了解机器人类人运动轨迹控制的背景。
机器人类人运动轨迹控制是指通过控制机器人的关节或身体部件运动，使机器人的动作尽可能逼近人类运动的特点。
这一技术应用于机器人仿真和实物机器人的控制中，可以使机器人的运动更加具有人类的特点，提高机器人的社交、协作和服务能力。
接下来，我们将介绍极限学习机的基本原理和特点。
极限学习机是一种单隐层前向神经网络模型，在训练过程中只有输出权重需要被调整，隐层神经元的权重不需要调整。
这一特点使得ELM具有训练速度快的优势，可以有效地处理大规模训练数据。
此外，ELM还具有良好的泛化能力，可以在面对未知数据时取得较好的性能。
在机器人类人运动轨迹控制中，我们可以将控制问题视为一个回归问题，即通过给定的输入数据，预测机器人的运动轨迹。
ELM可以用来训练这一回归模型，将机器人的输入特征与运动轨迹之间的映射关系进行学习。
接着，我们可以使用ELM进行机器人运动轨迹控制模型的训练。
在ELM的训练过程中，随机初始化输入层与隐层之间的权重和偏置，然后利用训练数据集进行训练。
具体来说，首先计算隐层神经元的输出，然后利用最小二乘法求解输出权重。
训练完成后，我们就可以得到一个机器人运动轨迹控制模型。
最后，我们可以使用训练好的ELM模型进行机器人运动轨迹控制。
给定机器人的输入特征，通过ELM模型预测机器人的运动轨迹。
可以通过控制机器人的关节或身体部件运动实现预测的轨迹。
总之，基于极限学习机的机器人类人运动轨迹控制方法可以通过训练一个回归模型，实现对机器人运动的控制。
这一方法具有训练速度快、泛化能力强的优点，可以应用于机器人仿真和实物机器人的控制中，提高机器人的运动表现和交互能力。
课程设计(论文)-循迹机器人设计模板
1 设计任务描述1.1 设计题目：循迹机器人设计1.2 设计目的（1）了解机器人技术的基本知识以及有关电工电子学、单片机、机械设计、传感器等相关技术。
（2）初步掌握机器人的运动学原理、基于智能机器人的控制理论，并应用于机器人的设计中。
（3）通过学习，具体掌握循迹机器人的控制技术，并使机器人能独立执行一定的循迹任务。
1.3 基本要求（1）要求设计一个能循迹(白底黑线或黑底白线，线宽25mm)的机器人；（2）要求设计机器人的行走机构，控制系统、传感器类型的选择及排列布局。
（3）要有循迹的策略（软件流程图）。
1.4发挥部分2 设计思路这次课设我设计的是循迹机器人，自动循迹测距机器人主要由六个模块构成：车体框架、电源、主控模块、逻辑模块、探测模块、电机驱动模块组成。
（1）车体框架。
突出特点为四轮驱动，四轮独立悬挂；（2）MC9S12X128主控制器。
系统采用112脚的MC9S12XS128MAL，该单片机具有ECT模块，2个SPI模块，8路16位计数器，4路外部事件触发中断输入端口，8路PWM，16路10位AD，转换时间约为3us；（3）传感器模块。
光电发射管发射出光，经过赛道的反射回来，由于白色平面和黑线反射光强度不同，不同位置上的光电接收管接收到强弱不同的光，因此可以判断出黑线相对小车的位置。
这种检测的方法明显的优点是检测速度快，检测的方法简单，成本相对低廉。
使用一字线激光器发射强大光线，用13个光敏传感器采集路面信息，将信号反馈给控制单元，由控制单元判别黑线位置以控制车的速度、转向和制动；（4）电机驱动模块和速度控制模块。
根据码盘反馈信号，用MOS管搭建的桥式驱动电路驱动电机的运转状态，形成闭环控制，对电机的速度机型准确快速的调节；（5）转向控制模块。
根据路面信息，准确地控制转向舵机的转角；（6）刹车模块。
使用伺服舵机构成刹车装置，使智能车在转弯时两轮差速，更及时地转向；（7）人机交互模块。
我们使用拨码开关调整智能车的运行参数，并用液晶将车的运行状态显示出来。
线性CCD循迹智能车控制系统的设计
４ 智能车控制 软件设计
４．１软 件 总体 设 计
软件 程序 采 用模 块化 编 程， 由初 始化 、 参数设定、数据采集 、数 据处理、中断处理等 部分组成 ，实现对 系统各模块的驱动和控制 。 程 序 流 程 图如 图 ２所 示 。
４．２ 路 径 识 别
智 能 汽 车 竞 赛 的 赛 道 路 面 为 宽度 不 小 于 ４５ｃｍ 的 白色 面 板 ，赛道 两侧 边 沿 有 宽 为 ２５ｍｍ 的连续黑线 作为引导线 。路径识别 算法 使用 的是 由 ＣＣＤ 中心向两侧 搜索提 取跳变 沿 的算法 ，通 过求 取两侧跳变沿 的平均值来得 到
单 片机 技术 · ＳＣＭ Ｔｅｃｈｎｏｌｏｇｙ
线性 ＣＣＤ循迹智 能车控 制系统的设计
文 ／杜 方 鑫
３．２ 电 源模 块
本 文设 计 了 一种 基 于 线 性 ＣＣＤ
的 的 智 能 车 控 制 系统 ， 该 系 统 以
单 片机 为主控 芯片，采用线性 ＣＣＤ
采集路 况 信 息，最后 采用伺 服 电
小 车 前进 所 需 要 的 中 线 值 。
４．３速 度 控 制
ＰＩＤ 控 制 策 略 结 构 简 单 ，稳 定 性 好 ， 可 靠 性 高 ， 并 且 易 于 实 现 。本 方 案 中 速 度 闭环 控 制 采 用 了 增 量 式 ＰＩ控 制 ， 使 用 试 凑 法 来 确 定 控 制 器 的 比例 、 积 分 参 数 。
５ 总 结
本文 设计 了一 种 以线 性 ＣＣＤ为 传感器 的 循迹智能车 ，通过对传感器信息 的采集和 处理 ，
和拨码 开关组成人机交互系 统，可以实时地显 示和 设置系统相关参数 ；蓝 牙模 块通过 串口把 单 片 机 接 收 到 的数 据 送 往 上 位机 ， 方 便 相 关 参 数及 波 形 的 实 时 观 察 和 调 试 ； 电源 模块 由 ７．２Ｖ ２０００ｍＡｈ Ｎｉ—Ｃｄ电池和稳压 电路组成 ，为整车 提 供 电 源 。 系 统 总 体 设 计 如 图 １所 示 。
基于线阵CCD的机器人视觉系统的研究的开题报告
基于线阵CCD的机器人视觉系统的研究的开题报告一、选题背景和研究意义机器人视觉系统是机器人技术中不可或缺的一环，其可实现机器人对周围环境的感知、识别和定位等功能。
现代工业机器人在生产线上使用已经十分普遍，而现代机器人的自主化、灵敏性、可靠性和高精度是产业发展所追求的方向，视觉系统技术的重要性得到日益明显的体现。
线阵CCD技术作为一种实现机器人视觉的主要方案之一，由于其较好的数据处理能力和高像素的分辨率，可以有效实现机器人的快速感知能力，具有广泛的应用前景。
该课题的研究将对机器人技术的应用和发展产生积极的促进作用。
二、研究目的和内容本课题旨在对基于线阵CCD的机器人视觉系统进行深入研究和探讨，针对线阵CCD技术在机器人视觉系统中的特点和问题，研究如何提高线阵CCD的图像采集精度和稳定性，并进一步优化机器人视觉系统的算法、硬件以及软件，以实现更加高效准确的图像识别和定位。
具体的研究内容包括以下几个方面：1. 对线阵CCD进行深入了解，研究其原理、优缺点及应用场景等。
2. 设计并完成机器人视觉系统中的线阵CCD采集电路，包括电路设计和实现等。
3. 研究和实现机器人视觉系统中的图像处理算法，包括对线阵CCD图像进行预处理、分割和特征提取等。
4. 在硬件和软件的基础上，进行机器人视觉系统的优化和测试，在实际机器人环境中测试系统的稳定性和性能，并进行结果分析和评价。
三、研究方法和技术路线本课题采用实验研究法，通过编写程序、硬件设计等方法来探讨如何提高线阵CCD的图像采集精度和稳定性。
通过对现有技术的分析和研究，制定技术路线并进行实现。
具体的技术路线如下：1.对线阵CCD原理进行深入理解和分析。
2.进行电路设计和电路实现，完成线阵CCD采集电路。
3.对采集到的图像进行处理和优化，得到清晰的图像。
4.研究和实现机器人视觉系统中的图像处理算法，包括对线阵CCD图像进行预处理、分割和特征提取等。
5.在硬件和软件的基础上，进行机器人视觉系统的优化和测试，在实际机器人环境中测试系统的稳定性和性能，并进行结果分析和评价。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于线性CCD的类人机器人循迹系统的设计作者：牛国臣许开鲁来源：《现代电子技术》2018年第02期摘要：针对使用光电管阵列作为图像采集模块的类人循迹机器人前瞻性小、受光线影响大的缺点，设计一种基于TSL1401线性CCD的类人循迹机器人。
首先完成系统的总体设计和软硬件设计，然后基于OTSU算法获取自适应阈值，采用灰度门限法提取赛道引导线，基于专家控制策略输出相应的控制信号调整机器人的动作。
实现自主循迹行走，进行了实验验证并用来参加华北五省（市、自治区）大学生机器人大赛。
结果表明设计的类人循迹机器人系统具有循迹可靠性高、环境适应性强的优点。
关键词：线性CCD；类人机器人；大津算法；动态阈值；循迹系统；专家控制中图分类号： TN911.73⁃34 文献标识码： A 文章编号： 1004⁃373X（2018）02⁃0133⁃04Abstract： Aiming to the problems of poor perspectiveness and poor susceptibility to environmental light illumination of a humanoid tracking robot which uses photodiodes array as image acquisition module， a humanoid tracking robot based on TSL1401 linear CCD was designed. The system overall design， and its hardware and software design are accomplished. The adaptive threshold is obtained based on OTSU algorithm. The gray threshold method is adopted to extract the guide line of racing track. The corresponding control signals are output according to the expert control strategy to adjust robot actions and realize automatic tracking walk. The system was tested in the experiment and used to participate in University Robot Contest in Five Provinces of North China. The results show that the designed humanoid tracking robot system has advantages of high tracking reliability and strong environmental adaptability.Keywords： linear CCD； humanoid robot； OTSU algorithm； dynamic threshold； tracking system； expert control0 引言類人机器人是机器人家族中最重要的成员之一，双足类人机器人行走占地面积小、活动范围大，而且对步行环境要求低，相对于传统的轮式履带式机器人具有无可比拟的优势，这些独特的特点使其受到科研单位和机器人比赛的广泛关注[1⁃2]。
本文针对华北五省机器人大赛机器人田径项目设计了一种类人循迹机器人。
机器人比赛场地材质由白色实木颗粒板制成，跑道边界和跑道引导线使用18 mm宽黑色防水电工绝缘胶带，跑道宽度500 mm，总长度11 m。
机器人自主循线行走控制策略的实现需要依据道路反馈的信息，而提取的道路信息的可靠性取决于传感器能否准确地区分出黑色引导线与白色背景以及其他干扰信号。
检测赛道参数可以使用多种传感器，如光电管阵列、电磁传感器、激光扫描、CCD图像传感器等[3]。
目前大多数小型类人循迹机器人采用光电管阵列作为图像采集模块。
光电管采集到的光线波长在940 nm左右，平时所处的环境中也大量存在着这种波长的光线，所以光电管阵列的使用效果非常容易受环境光线的干扰，采集到的信号时常不可靠甚至不能够采集到有效信号，而且没有足够的前瞻性，在弯道处不能很好地做出转向决策[4]。
线性CCD传感器采集的图像质量高，线性度好，识别路径范围广，可以尽早地感知实时路况，利用CCD自身的特点可以有效解决使用光电管阵列作为图像采集模块存在的问题。
因此，本文设计了基于线性CCD的类人机器人硬件及软件系统。
基于线性CCD采集图像易受环境光照强度变化影响，从而影响跑道线识别效果。
研究基于OTSU的自适应获取阈值方法，并对图像进行滤波平滑处理，提高跑道线识别稳定性。
最后给出类人机器人循迹控制实验结果。
1 硬件系统设计该类人机器人采用模块化设计架构，有利于系统的测试和维护。
主要包括电源模块、线性CCD模块、MCU模块、舵机驱动模块和通信模块等，其结构框图如图1所示。
各模块作用如下：电源模块：采用双电池供电模式，舵机驱动模块和控制电路分别由不同的电池供电，保证控制信号的稳定性。
线性CCD模块：基于TSL1401线阵CCD的图像采集模块获取赛道图像信息，为机器人的循线行走提供决策依据。
MCU模块：使用M9S12XS128单片机作为机器人的控制核心，接收CCD采回的图像信息，通过相应算法确定自身位置并做出相应的决策。
舵机驱动模块：接收MCU控制信号产生PWM信号驱动各关节舵机，使机器人执行规定动作，电压过低时具有自动断电和报警功能，防止舵机损坏。
数字舵机：驱动机器人的关节，通过控制舵机旋转的角度和速度组合实现不同的行走姿态。
通信模块：选用HC⁃05蓝牙模块[5]作为无线发送与接收设备，完成单片机与上位机之间的数据互传，能实时显示机器人与引导线的相对位置、阈值等运行参数，方便对相关算法进行调试和改进。
2 软件系统设计机器人控制系统运行时，首先进行系统初始化，比如机器人姿态、线性CCD等，然后线性CCD采集赛道像素信息并传送给MCU模块，通过阈值计算及中值滤波提取出赛道线，得到机器人与赛道中线之间的偏差，基于专家控制策略输出相应的信号到舵机驱动模块，驱动数字舵机控制机器人沿赛道引导线行走。
系统软件流程图如图2所示。
2.1 自适应阈值计算线阵CCD的一个曝光周期内可以采集视野范围内一条线上的灰度值。
通过A/D采样获得的数据其实是通过运算电路得到的像素点的电压值，该信号的大小与光强和积分时间成正比。
在光线强的情况下输出灰度值高，甚至会呈现饱和状态，在较弱光线条件下输出灰度值过低，正对光线和背对光线都会引起输出参数的变化。
图3中系列1）和系列2）分别给出了光照亮度不同时线性CCD采集的波形，这种脆弱的光线适应性，对于随后单片机数据处理的结果也有影响，产生错误的阈值，造成跑道引导线提取的不准确。
机器人为了适应比赛环境，可根据环境光线强度来调节区分黑白的阈值，即自适应阈值，采用大津算法（OTSU法）求取动态阈值来提高机器人对光线的适应性[6⁃7]。
OTSU法依据的是图像的灰度分布的统计学特性，将图像分割为前景和背景两个部分。
类间方差描述的是图像两部分之间的相似程度，背景和目标的类间方差越大，说明图像两部分之间的差别越大，取满足类间方差最大时所对应的灰度值作为分割阈值来分割图像，这时候产生图像错分的概率最小，即此时的阈值为最佳分割阈值，公式如下：式中：T为前景和背景的分割阈值；M是图像中的最大灰度值；灰度为i的像素出现的概率为；表示前景部分像素点占整幅图像的比例；表示图像前景部分的平均灰度值；表示背景部分的像素点占整幅图像的比例；表示图像背景部分的平均灰度值；为图像的总平均灰度； g为类间方差。
使用OTSU法计算最佳阈值，首先将采集到的一条线的灰度值生成直方图，然后从最小灰度值到最大灰度值进行遍历，计算每个已采集像素点灰度值的类间方差，满足使类间方差g最大时所对应的灰度值即为最佳分割阈值。
2.2 中值滤波为了提高系统检测的准确性，在定位引导线之前首先对CCD采集的图像进行中值滤波[8]，其是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内所有像素点灰度值的中值，从而消除孤立的噪声点，在保证图像边缘特性的情况下改善CCD噪点和跑道上杂质颗粒等干扰物带来的影响。
2.3 确定引导线位置在线性CCD采集的128个像素点的信息中，光线强的点灰度值高，光线弱的点灰度值低。
由此可以区分赛道上的黑线与白色背景，通过黑色中心线边缘检测来确定赛道中黑线的位置，然后计算机器人当前相对于赛道中间的位置，让机器人循黑线前进。
图3显示的是两条反映在上位机中CCD采集的灰度波形，中间的凹槽表明视野的对应位置有一块黑色区域。
机器人的行走场地是白色木质颗粒板，赛道边界和引导线是贴在木板上的18 mm黑色电工胶带，如图4所示。
处理的关键是把白色背景和黑色引导线分开，可以看出黑线特征非常明显，可以采用灰度门限法准确地提取黑线的位置[9⁃11]。
即对当前某一路采集电压进行判断，采集回来的数据值是0～255，数值大于设定的阈值表示是白色，数值低于阈值是黑线所在部分。
判断引导线位置并做出行走决策的主要过程如下：1）从左端的第一个有效数据点开始依次向右进行阈值判断，如果第i个点的灰度值大于阈值，后续连续两个点的灰度值小于阈值且与i点的灰度值之差的绝对值大于一个给定值，就确认此点为黑线的左边沿i。
2）从最右邊的像素点向左重复步骤1）找到黑线的右边缘j。
3）把左右边界点的中心点作为机器人当前行进路线的中点，机器人在道路正中心行走时，道路中心位置设为64。
4）把计算出来的中点数值与64作差，得到的偏移量e作为控制机器人左右转弯幅度和调整步伐的依据。
3 实验分析通过以上的软硬件设计，研制了相应的机器人硬件平台，如图5所示。
设计相应的行走动作[12]，包括：直走、大幅度右前、小幅度右前、大幅度左前和小幅度左前。
分别在强光照和弱光照的情况下进行相关实验，图6a）和图6b）显示的是分别在两种情况下单次实验中动态阈值和跑道灰度值的实时变化曲线，可以看出计算出的动态阈值全部处于引导线和背景灰度值平均值之间，对跑道背景和引导线的区分效果很好。
图7a）和图7b）显示的是机器人行进时采集到的中线位置。
当使用视角为90°的摄像头，安装高度30 cm，与跑道平面夹角45°安装时，计算出10个像素点大概占有5 cm的实际赛道宽度，将此作为专家知识引入机器人控制器中，形成控制规则。