标签: 智能车

前言 基于 ESP32 设计开发的智能流动环境检测车，旨在克服传统固定监测方式的不足。该车能够在不同环境场景下灵活移动，深入到各个角落进行环境数据采集，大大拓展了环境监测的范围和灵活性。通过集成多种先进的传感器，如 BMP280 用于精确采集温湿度和气压数据，ESP32cam 摄像头能够捕捉直观的图像信息，再结合网络 API 获取的天气预报信息，实现了多源数据的综合采集与分析，为全面、准确地了解环境状况提供了丰富的数据支持。 展示 整车展示 APP展示 云端展示 功能 1.除草（12v割草机） 2.环境检测 3.实时图传 4.手柄控制 5.手机控制 6.GPS定位（备用） 硬件设计 1.采用两块ESP32-WROOM-32模组 ①号模组控制电机，并且搭配MPU6050陀螺仪模块进行PID控制电机，从而带动履带运动 ②号模组负责数据的处理和传输，将数据传输到API，然后服务器进行数据处理，反馈到APP和单片机 2.屏幕 ①1.8寸TFT_LCD ②0.96寸OLED 3.环境监测 采用GY-39模块，此模块集成BMP280和MAX44009 传感器 4.电机驱动 模块采用AT8236芯片，款双通道直流电机驱动芯片，能够同时驱动两个直流电机 5.手柄控制 采用PS2手柄进行手动控制，有接收器和手柄两部分，操作简单，功能按键多，传输距离10米左右，连接有良好的稳定性 6.实时图传 采用ESP32-CAM模块，这个模块基于ESP32-S芯片，搭配OV3660摄像头，可以自动采集图像，并且通过ESP32-S的HTTP通信将图片传输到服务器中，实现远程监控，由于ESP32-CAM工作时发热巨大，为了运行的稳定性且安全性，所以加装了Mini风扇进行散热 7.继电器模块 采用了12V的割草电机，用于割草，所以基于割草机和整体的安全性，采用继电器来控制割草电机，通过主控芯片来控制继电器，实现隔离和安全控制电机的功能 8.驱动电机 采用减速比为1：56的减速电机，型号520，额定电压12V 程序设计 Arduino IDE：这是 Arduino 的主要编程软件，是一个开源的集成开发环境。它基于 C/C++ 语言，为开发者提供了一个简单易用的平台，用于编写、编译和上传程序到 Arduino 开发板。其具有跨平台兼容性，支持 Windows、Mac OS X、Linux 等主流操作系统。 电机ESP32 功能ESP32 App Inventor 采用图形化的编程界面，通过简单的拖拽和拼接代码块来构建应用程序逻辑，无需手动编写大量的文本代码，大大降低了编程门槛。 APP的内容首先是能够实现ESP32进行远程控制，然后接收传感器的数据，和天气API的户外天气数据，并且获取ESP32-CAM的图像，实现远程查看监控站的信息 完整项目 项目开源文档下载： https://mbb.eet-china.com/download/316665.html

智能语音助理的发展结合了 AI 的语音识别及影像识别、无线技术、语言数据库的建立等不同功能，在车联网的应用上，语音助理的执行准确度与行车安全有着高度关联。百佳泰车用语音助理测试验证可透过 AI 智慧平台营造各种变因项目：如接受距离、接收角度、噪声干扰、声音特质、环境与气候， AI 平台自动记录数据找出不同情境的变因，全面找出行车过程使用语音助理所面临的潜在风险。 70% 以上的成年人会将车用语音助理的因素 视为购车决策的依据 根据美国指标性网站 Voicebot.ai 于 2020 年 1 月的报告指出 有 7 成 3 以上的成年人希望购买的新车需要有车用语音助理的功能 而且车主的购买意愿会随着车用科技的变革而随之提升 ( 像是车用语音助理的强化 ) 根据百佳泰过往与汽车业主合作的案例，车用语音助理前五大的场景应用，分别为「接听拨打电话」 、「语音查询车用导航与控制」、「收发信息」、「音乐播放」以及「收听广播」，显示车用语音助理在驾驶过程中，已成为俨如副驾驶重要的功能性角色。 车用语音助理运作流程 车用语音助理流程主要可分为三大步骤，分别是唤醒词、信号处理与判读，最后是对话管理 唤醒词 在车主发出语音指令之前，还需要一个唤醒词的程序 大部分车厂是先从方向盘按钮的方式来做唤醒，少部分车厂则是也支持语音唤醒词 信号处理与判读 1. 信号处理：信号处理过可供识别的声音，并排除环境存在的各种音源 2. 语音识别：系统识别出有意义的词汇 3. 语言理解运算：系统判读并进行语言的理解运算 对话管理 对话管理主要会有两条处理流程 一条线是语音反馈的处理，另一条线则是相对应的功能执行以及屏幕显示 例如与查询天气时，通常车机屏幕上也会有相对应的天气信息显示 又或者语音控制开启车窗时，除了语音反馈告知车主之外，也会有实际车窗开启的动作发生 驾驶的过程反复操作指令 恐会造成严重的交通事故 百佳泰结合了过往测试与实例经验，整合出车用语音助理在使用上，最常发生的指令问题分别是 1. 语音识别无法正确识别语音 2. 无法唤醒、误唤醒 3. 错误解释命令、响应内容错误 4. 功能性问题 5. 声音质量太差 6. 响应太慢延迟卡顿 我们可从以上 6 点问题，可整合出三大原因分别是 听不清楚 一般来说在车内空间的语音控制已构成一个声学场景，同时会有很多声音信号充斥 除了车主发出的语音控制指令之外，还混和其他人声或是音乐广播的人声 甚至混响 ( 也就是声音信号在车内的反射 ) 与躁声干扰 ( 例如车子引擎声、轮胎声，都会成为干扰的躁声 ) 而车主发出语音指令时，声音的来源以及拾音的距离角度也会成为听不清楚的原因之一 听不懂 语音助理本身听不懂词汇主要是因为车机会有预先指定的指令集 但如果车主讲了指定句式以外的语音指令 那就需要依靠车机本身的 AI 运算来进行大量的运算与判读 举一个简单例子 ( 连续对话语意理解 ) · 题目：今天出门需要带伞吗 ? · 明天呢 ? · 明天天气怎么样 ? 做不好 车机语音处理的区块，不只是语音的回馈而已 往往还需要与其他部分作连动，同时也有跨场景的使用问题 例如在车上控制家里的智能家电，因此这部分会有很多的功能性或是兼容性问题发生 只要是在汽车行驶的过程中，若语音助理无法实时做出反应上的回馈，车主恐需要分心花更多的心神去排除障碍，无论是对于品牌的商誉或是驾驶的安全均造成极大的威胁！ 车用语音助理 AI 测试方案 车用语音助理的 AI 测试方案要求在于： 复杂场景的条件模拟： · 考虑不同的噪声条件，录制实际车辆的噪声：搭配语音指令，可测量在各环境下系统可正确语音识别的信号强度是多少。 · 语音数据库的打造： 12,000 种以上的语音命令包含不同条件 : 性别 / 年龄 / 语言 / 指令 / 方言，甚至可进行语音数据的客制化 百佳泰透过 AI 自动化连续测试与监控结果，来确保质量的一致性，导入 AI 元素如下 · 透过 AI 来识别车机的语音回馈是否正确，并可大量学疑累积语言，提升侦错率 · 透过 AI 来识别车机屏幕的影像显示是否正确，判断标准一致性，准确度高

随着C-V2X的技术逐渐到位，智能车又离未来的无人驾驶迈向了一大步，市场对于车用道路协作技术的智能化、安全性更是众所关注的话题。百佳泰于C-V2X技术超前布署，可提供情境模拟测试服务(Scenarios Testing)，场景的准备则是根据中国汽车工程学会标准(T/CSAE) 53-2017车用通信系统基础应用规范建立其十六个标准场景。 C-V2X 技术背景与简介 V2X又称为Vehicle to everything，这是一套道路安全及信息化的解决方案，这一套系统允许车辆与道路上其他对象通讯，并强化道路安全，主要包括 · V2P：车与人(Vehicle to Passenger) · V2N：车与网络(Vehicle to Network) · V2I：车与基础设施(Vehicle to Infrastructure) · V2V：车与车(Vehicle to Vehicle) 现阶段V2X技术: C-V2X：Cellular Vehicle-to-Everything C-V2X不但拥有更广的覆盖率，而且可搭配正在积极发展的5G技术，相信能将汽车产业引领到全新的高度。然而车联网与物联网最大的不同在于，汽车随时都会在高速的状况行驶，攸关车主与行人的交通安全。因此在Ｃ-V2X相关技术方面，无论是法规、验证甚至与组件的要求都会非常严苛，以确保道路安全。而这项技术最引人注目的地方在于它能紧跟变革，适应于更复杂的道路安全应用场景，满足低延迟、高可靠性和带宽要求。 C-V2X情境模拟 开创车联新世纪 还原道路真实场景，做好提早除错 C-V2X场景的准备是依据中国汽车工程学会标准(T/CSAE) 53-2017车用通信系统基础应用规范 建立其十六个标准场景(此16个场景模拟百佳泰皆已建置完成) C-V2X 车用生态圈的建置包含了以下： 1. 车联网系统 2. 驾驶辅助系统 3. 自动驾驶系统 车联网系统 在车联网应用上，DUT透过V2X(包括V2V，V2I，V2P)等行车安全辅助收集以下组件数据 – 车载组件(OBU) – 路侧设备(RSU) – 各式传感器(ex:安全系统传感器，汽车运行监测传感器) 以上都是为了在最短时间内协助车辆反应，进而提高行车安全。 驾驶辅助系统: 在驾驶辅助系统上越来越多车厂装配(ADAS)，因C-V2X技术与5G兼容，可辅助其他先进驾驶辅助系统（ADAS）传感器，例如相机、光达（LIDAR）、雷达以及卫星导航定位系统接收器 无论是一般车款或是高阶车款，至少有3成以上的车型都搭载ADAS功能。 自动驾驶系统: 在自动驾驶系统应用上基于5G NR的C-V2X，旨在为自动驾驶车使用案例提供高生产率、支持宽带、超低延迟性和高可靠性，例如传感器共享、意向共享和3D HD地图更新。 车辆间可以互相沟通，依据实际地图，精确定位自己的位置，规划更科学的自动驾驶路径。 C-V2X 化危机为转机 根据WHO(世界卫生组织)统计每年约有135万人死于车祸，这些致命事故90%以上源于人为错误 例如酒后驾车、超速、忽视交通信号、开车时使用手机传送信息等。 C-V2X 技术有助于在非直线性范围内进行事故车辆检测 当前方道路转弯处有一辆事故车辆，在正常的驾驶过程中，驾驶员的眼睛是看不到事故车辆的 但是当车辆进入到了C-V2X的范围内，车辆就会收到通知，知道前方车辆挡在哪个车道上，可以广播车辆的位置。驾驶者因此可以知道前方有危险，从而降低车速来规避潜在风险。 如何实现C-V2X场景规划与客制能力 在场景开发能力上，百佳泰共有两种方向，第一种是建立标准场景(也就是CSAE定义的第一阶段16个场景)，我们根据T/CSAE 53-2017法规， 透过R/S CMW500(PC5沟通) 及 SMBV100B(GPS信号仿真器)，利用Vector 软件自行开发编写标准场景，执行场景测试。 除了标准场景外，百佳泰也陆续收到客户委托，客制编写场景，而我我们技术团队也持续在各地区收集实际驾驶反馈，编写客制场景。 客制场景之目的在于弥补「标准场景」之不足，纳入更多未知的危机驾驶场景 不光是要考虑每个情境的设计逻辑，包含每台车子的参数(ex: 速度，合理的剎车距离)都需要理论的根据来微调设置，客制细节上，也会根据不同变因，而有对应之不同场景 举例来说城市内的环境设定会跟高速道路略有不同，城市内不只有车辆还有行人的变因加入，车速也会限制在 0~70km。客制化目的都是在测试待测物C-V2X module不只能在简单场景能正确反应，也能在复合式多变因素场景下响应正确信息，进而降低潜在风险

　　对于智能车的电机闭环控制算法，我之所以标题没有写上“智能车电机PID闭环控制算法”是因为PID 算法根本就不是特别好的适用于智能车这种变化很快的系统，对于智能车，电机的调速可以说是时时刻刻再进行调速控制的，我上面说描述的经典PID 算法，都是针对一些惰性系统，也就是说是变化比较慢的系统的，所以对于智能车的电机调速采用完完整整的PID 算法，是根本不可取的，及时采用了，你必须要经过一些变换和改进才能使用。以上的简述只是鄙人自己的看法，如有错误，请各位高手指正。现在估计您会疑问，PID 不适用于智能车的电机控制，那什么才适用呢？ 　　鄙人原来做过智能车，从鄙人本身的理解，P 算法控制电机，也就是比例控制是最好的，反应速度快，控制精度高，不存在积分和微分效应，非常适用于适用于控制周期短的系统，当然，对于一些特殊的逻辑控制算法，可能要采用PD算法，用微分来做补偿，防止震荡和超调。下面来说下电机控制算法从开始的加入到最终的确定的方法： 　　当然这一切的前提就是安装了编码器，车速有反馈，只有加上编码器，有了反馈，才能组成一个闭环系统。当然您也可以加上码盘，或者霍尔开关等一切可以返回车速的东西都可以。 　　（1） 首先建议在车速比较慢的时候，采用PID 算法来控制电机，为什么开始要建议您采用PID 呢？主要是为了让您更加深刻理解PID 算法的精髓和调试步骤方法等，有助于以后对控制算法更加深入的研究和书写。调试PID 三个参数的方法，很多地方都提供了，我在这里简单的说下：首先将ID 参数都变为0，先调整P 比例参数，调整到速度基本上跟您给定的速度差不多，也就是说基本稳定在您给定的脉冲数，当然这个时候会非常的震荡，不要担心，接下来调整I，调整I 的结果就是震荡会消除很多，但是车速会变化缓慢，也就是说会有一些延迟，然后再调整D，调整D 的结果就是增强调节的灵活性和预见性，在给定速度变化的过程中，能够以一个平稳过渡来变换，而且速度可以长时间稳定在给定速度附近，然后PID 三个参数的基本范围就确定了，然后再根据实际的跑车来微调这些参数，当然在您调试PID之前，请仔细阅读PID 理论知识，这样有助于您的调试和理解，当您把PID 调整好以后，您就基本上领会了PID 的精髓，对于以后的调试作用非常大。这里的给定速度，就相当于上面对温度例子中说的设定温度。意思是一样一样的。 　　（2） 当您对PID 掌握以后，您能做到给定多少速度，就能让车速稳定在这个给定速度左右，可以适当的提高点车速，慢慢的观察效果，你会发现当速度增加的时候，车速的控制会变得越来越糟糕，调节缓慢，灵活性差。这个时候您就可以试着去掉I 积分环节，然后再重新调整参数，按照上面说的，然后继续观察效果，试着提高速度，继续观察，因为车速毕竟很慢，很多细节我们都能看到，所以您就可以看到PID 到PD 变换以后，实际的效果是增加多少，也算是一种进步，这个时候，经典的PID 公式已经被我们简化，不要担心，您可以多多实验多多观察，可能在这个变换之间，您能受到很多启发，会产生很多思路，谁以后的调试车子都是有好处的。所以搞智能车，自己一步一步的进步学习，远远比去某些淘宝店铺购买现成的程序学到的东西更多，体会的也更多，思维开阔的也更多。 　　（3） 在您的车速在3M 内的时候，我强烈建议您采用PD 算法，因为PD 算法是最好调整，最容易控制的。当然这个时候我也强烈建议您加上P 控制，P 控制的话，不是说就单纯的P*偏差然后得到的值给定PWM，而是一定要加上一些逻辑控制，不加上逻辑控制而是直接运用比例公式来给定PWM 值，将会带来很多问题，具体的逻辑控制讲解，在以后我会写出相关的文档，谢谢。采用增量式编码器为反馈的智能车电机闭环调速系统：其实借助于我上面举得例子，到这里，您可能已经明白对于智能车来说闭环系统是一个必须的，不可脱离的。当然，您可能已经完全明白智能车电机闭环调速系统怎么做，并且您可能也做的更好，要比我在这里所说的更加的先进更加的有创意更加的有效果。所以在这里我只是简单的说说。 　　首先，我们需要时刻反馈当前的智能车速度给单片机或者 ARM，让系统知道当前速度，有助于控制。 　　我们先说说为什么我们要反馈车子速度，要知道车子当前的速度？因为我们的CPU 利用传感器采集道路信息，通过CPU 收集和处理变化，系统就能知道车子当前的状态，比如是在直到上？还是在进入弯道？还是在弯道内？还是正在出弯道？还是在上坡？还是穿过了起跑线？有了这些信息，我们首先就是对舵机的控制，控制车子根据什么道路情况来进行转弯，转弯的方向，大小，都是靠这些数据来实现，当然当前的速度值也是控制舵机转向大小的一个附加因素，这样更加的有利于我们及时处理不同弯道。 　　知道了这些信息，就跟我们开车一样，我们要转弯了，得感知我们车的速度，怎么感知啊，就靠汽车自带的速度表，这样我们就可以通过控制刹车或者油门还有方向盘来控制车子平稳的转过弯道，不同的弯道，不同的速度，转弯的控制和刹车的控制都是不同的。如果我们不知道当前的速度，那么很可能因为拐弯速度过快，导致翻车，或者侧滑，造成危险。智能车情况跟真车是一样的，我们必须知道车子当前速度，比如我们智能车拐弯安全速度是3M/S，所谓安全速度就是车子顺利安全且没有较大侧滑过弯时的速度，在进入弯道前我们车子的速度是4M/S，当传感器感知要进入弯道了，通过跟安全速度对比，我们发现智能车的速度远大于安全弯道速度，这个时候我们就要刹车，把车子速度快速降低到3M/S，这样保证我们顺利快速的过弯。在这里您可能问3M/S 的安全速度怎么来？其实很简单这个速度是靠实验来的，不用什么计算，完全属于经验值，根据跑道的材料、车子机械性能和弯道的角度来决定，所以为什么我们要比赛的时候要试车，试车中一个最重要的环节就是熟悉比赛跑道所用的材料，用于我们实验车子的安全速度等。 　　对于智能车的速度反馈，在这里我就针对增量式编码器来说，其实码盘啊，霍尔啊，他们原理都一样。光电增量式编码器不同于绝对值编码器，绝对值编码器在编码器转动一周的每个特定位置都有一个确定的值输出，增量式编码器转动一圈，固定输出一定的脉冲，无法确定转动到哪个位置，对外输出一般为方波，这样有助于MCU 进行数据采集。有了编码器，我们通过齿轮、皮带等将编码器跟电机或者传动轮进行连接，这样电机转动的时候，就会带动编码器转动，然后编码器就能向外输出方波，接到单片机上，我们就能进行采集编码器脉冲了。有了脉冲，可能您又要问这个脉冲没有规律性，随着转动不停的增加，到底怎么来衡量速度？您这个时候啊，动动手，观察观察数据特点，您会发现，当车速度比较快的时候啊，脉冲数自增的速度比较快，也就是说，转速越快，频率越高，单位时间内的脉冲数就越多，这样立刻有了灵感，我们用定时器设置一个中断，这个中断的时间为5MS，那么每5MS 我们就采集编码器一次脉冲值，当采集完毕后，我们就对脉冲数寄存器清零，这样在5MS内，得到的脉冲数越多，说明车子速度越快，到这里车速就解决了。 　　到这里您可能会说：还没完呢，还没转换为速度呢？要把这个脉冲根据距离和时间转换为具体的XX 米/秒的速度。您的这个想法很好，但是真的是没有必要，我们根本没有必要浪费时间去计算这个，因为我们本来就是想知道速度，脉冲数的多少已经就能衡量速度大小了，我们何必要很麻烦的转换为具体速度？ 一定时间内的脉冲数已经够了，够我们底层硬件进行判断计算了。既然我们反馈的数据类型为脉冲数，所以我们所给定的速度也对应的到脉冲数，比如50 个脉冲代表速度3M/S，80 个代表4M/S 的速度，这样通过道路类型给定脉冲数，就能实现电机的闭环控制了，是不是很简单？到这里我知道又有人会疑问，50 个脉冲对应3M/S，80 个脉冲对应4M/S是怎么得到的？其实这个更简单，很多人做智能车容易把简单问题复杂化，其实很多问题都可以用几行程序解决，比如那个坡道，很多人用了很多复杂方法解决，比如加一个开关啊，加个加速度啊，加个陀螺仪啊，根本没有必要，程序几行就搞定了。具体的脉冲对应速度，您固定给定一个脉冲让车子跑跑到一圈，然后记下时间，跑道实际长度除以时间，就是对应速度，你只是需要大概知道对应就行了，不用一个一个实验，具体的X 米/秒是宏观上我们感知的，跟单片机没有任何关系。

早上碰到了在美国San Antonio飞思卡尔技术论坛(TFT)的中国智能车设计竞赛三支队伍的大学生队员们，跟他们做了简单的交流。   前面受航班签证转机耽误的杭州电子科技大学队伍终于在昨天下午到达，在6点前赶到了比赛场地试车，目前顺利。广州队也通过主办方和Ken教授的帮忙，买到了指定的电磁铁做好了前跑线/终点线。   目前为止，中国的三支队伍杭州电子科技大学（光电传感导航），北京科技大学（摄像头导航），广东师范技术学院（电磁阻导航）准备工作已经就位。预祝他们取得好成绩，我还会继续更新比赛的报道。