原创 连续路径识别的实现方法

                 连续路径识别的实现方法

     对于电光组来说，横向的路径检测精度是比较低的。我们有必要想方设法提高其检测精度。现对常用的连续路径识别方法做一说明：

     普通的数字量只有1和0，当我们用数字量进行检测时，其出现的组合是比较少的。假如有14个传感器，25cm宽的传感阵列。假如最多同时有2个检测到路径，那么可能出现的组合有27种，精度是250/27=9.259mm。这时，我们很容易就能发现转向时的阶梯现象，那个死区是很容易看出来的。这就导致的转向的不灵敏。

现
在我们把一个传感器的输出当作模拟量。其实传感器的感应区应该是一个圆盘，半径越小，返回的有效值应该越大。这样就可以用返回的有效值的大小来确定道路与
传感器的距离。应该指出，现在的距离是个绝对值，我们没法确定是正的还是负的（一个有效值实际上对应着两个实际距离）。那么，我们就必须借助于别的传感
器。找到次有效值最大的传感器，比较它们的位置关系，这样就可以确定其正负了。为了保险，在运用时通常是找出最大有效和次最大有效，求两个距离，再求平
均。

理论上说，我们有必要测出每个传感器的特性曲线，以便进行有效值与距离的转换。但我用的时候，只是大概测了一下，然后用理想的感触三角模型处理，效果基本可以。

现在我们算一下用这种方法达到的精度。设14个传感器，25cm宽，两两之间的交叉方式如下所示：

我用数字量时对每个传感器进行了编号，以便于线性化处理。编号分别为：-13，-11，-9，-7，5，-3，-1，1，3，5，7，9，11，13。很明显，当两个同时有效时取两个的平均，共27级。精度是9.259mm。

当使用模拟量时，理论上是无级的，是平滑的。但为了计算方便，我们把它也分为若干级。简单的做法是这样的，把上面的编号扩大N倍，如10倍。这时，它的级数就是270级，精度为0.9259mm。这个精度是可以达到的。我没有测，因为我的模型就不是精确的，测的数据没有参考价值。但是，通过这样处理得到的效果是很明显的，小车的转向基本上没有了阶梯，是很平滑的。

实际应用时，有必要测一下其特性，以便选取合适的数学模型，使结果更精确，有效。要尽量选取特性好且特性一致的传感器，以便于处理。

编程时要注意尽量避免浮点运算，多用整形，提高处理速度。