2024电子设计竞赛自动驾驶小车交叉行驶原理与陀螺仪应用实战

1次阅读

没有评论

共计 2089 个字符，预计需要花费 6 分钟才能阅读完成。

在自动驾驶小车的交叉路口场景下，最大的挑战是如何在动态环境中实现精确的路径规划和稳定的姿态控制。交叉路口的路径冲突和定位漂移是最常见的两个问题。

路径冲突 ：当多辆小车同时进入交叉路口时，由于路径重叠，容易发生碰撞。传统的红外避障方案在这里显得力不从心，因为无法预测其他小车的运动轨迹。
定位漂移 ：长时间运行后，小车的实际位置与规划路径出现偏差，尤其在转弯时更为明显。这种漂移主要是由于陀螺仪数据抖动导致的航向角误差积累。

陀螺仪数据的抖动问题尤为突出。由于小车在行驶过程中受到电机振动、地面不平整等因素的影响，陀螺仪输出的角速度信号往往包含高频噪声。如果不加以处理，这些噪声会在积分过程中被放大，最终导致航向角误差越来越大。

在航向角测量中，常用的传感器有陀螺仪（Gyroscope）、加速度计（Accelerometer）和磁力计（Magnetometer）。它们各有优劣：

陀螺仪 ：
优点：动态响应快，短时间内精度高。
缺点：存在零偏（Bias），积分误差会随时间累积。
加速度计 ：
优点：通过重力向量可以测量俯仰角和横滚角。
缺点：对水平方向的加速度敏感，容易受到震动干扰。
磁力计 ：
优点：能够提供绝对航向角参考。
缺点：易受环境中金属物体的磁场干扰。

对于竞赛场景，推荐使用集成式传感器模块，如 MPU6050 或 ICM20948。两者对比：

MPU6050：
价格低廉，适合预算有限的团队。
内置陀螺仪和加速度计，但不带磁力计。
ICM20948：
性能更强，支持更高的采样率。
内置陀螺仪、加速度计和磁力计，数据融合更方便。

零偏（Bias）是陀螺仪输出的静态误差，需要在启动时进行校准：

将小车静止放置在水平面上。
连续采集 1000 个陀螺仪数据样本。
计算这些样本的平均值，作为零偏补偿值。

温度补偿是另一个关键点。陀螺仪的零偏会随温度变化，因此建议在程序初始化时读取一次内置温度传感器的值，并根据温度变化动态调整零偏补偿值。

以下是基于互补滤波的传感器融合伪代码：

// 互补滤波参数
float alpha = 0.98;  // 陀螺仪权重
float dt = 0.01;     // 采样周期（秒）// 航向角融合函数
float fuseHeading(float gyro_z, float accel_x, float accel_y, float mag_heading) {
    // 计算加速度计测量的倾斜角
    float tilt_angle = atan2(accel_x, accel_y);

    // 使用互补滤波融合陀螺仪和磁力计数据
    float fused_heading = alpha * (prev_heading + gyro_z * dt) + (1 - alpha) * mag_heading;

    // 更新上一次的航向角
    prev_heading = fused_heading;

    return fused_heading;
}

以下是 STM32 HAL 库的 I2C 通信代码片段，包含错误处理机制：

// 读取 MPU6050 的陀螺仪数据
HAL_StatusTypeDef readGyroData(int16_t* gyro_x, int16_t* gyro_y, int16_t* gyro_z) {uint8_t data[6];

    // 启动 I2C 读取
    if (HAL_I2C_Mem_Read(&hi2c1, MPU6050_ADDR, GYRO_XOUT_H_REG, I2C_MEMADD_SIZE_8BIT, data, 6, 100) != HAL_OK) {return HAL_ERROR;}

    // 解析数据
    *gyro_x = (int16_t)((data[0] << 8) | data[1]);
    *gyro_y = (int16_t)((data[2] << 8) | data[3]);
    *gyro_z = (int16_t)((data[4] << 8) | data[5]);

    return HAL_OK;
}