一、系统方案

1、技术路线

  1.1药物装填识别装置

（a）使用红外传感装置进行识别，检测药物是否放入小车

（b）利用红外线的物理性质来进行测量的传感器。红外线传感器具有灵敏度高，反应快等优点。

（c）相对于压力传感器等其他传感器，能够快速、简便地识别药物是否放入小车。损耗更低，识别速度更快。

  1.2循迹识别系统

（a）帮助送药小车识别运动路线，确定行进轨迹

（b）在实践中首先使用灰度传感器进行循迹，由于灰度传感器利用不同颜色的检测对光反射的不同，光敏电阻对不同检测面返回的光，其阻值也不同的原理进行颜色深浅检测。仅在环境光干扰不是很严重的情况下，才能比较高效的检测出循迹路线。由此选择更优方式进行循迹识别。

（c）经过测试发现 OpenMV 机器视觉模块，不仅能够高效实现核心机器视觉算法，循迹识别中能显著提高小车的循迹功能。而且成本低，硬件模块小。由此选择 OpenMV 机器视觉模块作为循迹识别系统的核心部件，但就图像识别来说，OpenMV 明显算力不足，在运行时帧率可低至 1fps，很难在运动中实现对快速的精准识别，因此对该方案进行了优化。

（d）优化方案一：放弃 OpenMV 自带的模块识别例程，通过对 0-9 数字的几何结构分析与 MATLAB 建模拟合，自主定义模板及特征点，这种方法虽然提高了运算速度，但对角度、环境光要求过高，难以排除坏点的影响，故舍弃该方案

（e）优化方案二：保留 OpenMV 的巡线、拐弯识别功能，数字识别的任务由K210 完成。算力极强，在训练大量模板后可对数字进行极其精确的识别，同时保留了 OpenMV 的高清巡线，让小车能够精准快速地实现要求。

（f）传统拐弯采用拟合巡线的方式，缓慢且难以达到理想状态。所以采用了姿态传感器 GY25，在十字路口处快速实现准确的 90 度转弯，使整体运动更流畅，更贴近理想轨迹。

  1.3车间通信系统

（a）在实验的进一步拓展过程中，为了确保多辆小车在送药过程中不会发生冲突，采用 HC05 蓝牙模块。基于其体积小、功耗低、收发灵敏度特点，可以实现多辆小车之间的蓝牙通信，确保不发生冲突

2、方案论证

  2.1装药过程确认装药是否成功方案

药品放入小车的固定位置，考虑到压力传感器的灵敏度问题，故在确认药物是否正确装入中，选用红外线传感器进行确认。对于 200g 的少量药品。红外线传感器的识别判定能力要高于压力传感器，且实现更为简单。

  2.2在不同环境下的正确循迹方案

考虑到送药小车的实际运行环境，光线可能存在较大变化，由此在之前循迹方案中选用的灰度传感器可能无法正常实现对不同光照条件下的路线正确循迹。故选用 Open MV 实现小车循迹功能。基于 OpenMV，以STM32F427CPU 为核心，集成了 OV7725 摄像头芯片，在小巧的硬件模块上，用 C 语言高效地实现了核心机器视觉算法，提供 Python 编程接口。可以高效实现循迹路线的判定。

在运行过程中保证 Open MV 能够时刻识别到轨迹路线，经过实测在小车运行的颠簸情况下，Open MV 可以正常进行循迹识别

3、系统框图：

智能小车硬件系统如图 1 所示。

OpenMV 循迹识别系统如图 2 所示。

二、理论分析和计算

1、智能送药小车设计

  1.1 PID 介绍：

Proportional（比例）、Integral（积分）、Differential（微分）的缩写。顾名思义，PID 控制算法是结合比例、积分和微分三种环节于一体的控制算法，它是连续系统中技术最为成熟、应用最为广泛的一种控制算法，该控制算法出现于 20 世纪 30 至 40 年代，适用于对被控对象模型了解不清楚的场合。实际运行的经验和理论的分析都表明，运用这种控制规律对许多工业过程进行控制时，都能得到比较满意的效果。PID 控制的实质就是根据输入的偏差值，按照比例、积分、微分的函数关系进行运算，运算结果用以控制输出。

  1.2 PID 控制原理：

闭环控制是根据控制对象输出反馈来进行校正的控制方式，它是在测量出实际与计划发生偏差时，按定额或标准来进行纠正的。比如控制一个电机的转速，就得有一个测量转速的传感器，并将结果反馈到控制路线上。提到闭环控制算法，不得不提 PID，它是闭环控制算法中最简单的一种。PID 是比例 、积分 、微分的缩写，分别代表了三种控制算法。通过这三个算法的组合可有效地纠正被控制对象的偏差，从而使其达到一个稳定的状态。

2、控制模块设计

  2.1 核心控制模块：采用 MSP432P401R 作为主板

选用原因：需要进行图像采集和图像处理，需要较高算力。基于ARM Cortex-M4F 内核，主频 48Mhz,自带浮点单元和 DSP 加速功能；功耗较低，95uA MHz 工作功耗和 850nA RTC 待机操作功耗；通信接口丰富，多达 4 个 I2C、8 个 SPI、4 个 UART；使用便捷，准确率和效率更高。

  2.2 转向控制模块：采用 OpenMV 十字路口识别，GY25 用于转向角度运算

选用原因：基于 Open MV 的多样模块化功能，利用其强大的机器视觉功能，可以有效识别十字路口的运行迹象判别；而且效率高，识别能力强，可移植性强；无需安装其他模块直接原有部件基础上进行设计；GY25 传感器用以辅助，由于该模块协议简单，成本较低，功耗小，可以利用陀螺仪与加速度传感器经过数据融合算法最后得到直接的角度数据。用于确定的路径循迹，实现简单便捷。

3、图像采集模块设计

采用 OpenMV 的模组摄像头巡线，可以直接配合 Open MV 的图像识别、十字路口识别等功能。直接连接到核心控制主板

选用原因：OpenMV 的模组摄像头具有 OV7725 感光元件。该元件在 80FPS 下可以处理 640×480 8-bit 灰度图或者 320×240 16-bit RGB565 彩色图像；当分辨率低于 320×240 可以达到 120FPS。大多数简单的算法运行在 30FPS 一下。OpenMV 摄像头有一个 2.8mm 焦距镜头在一个标准 M12镜头底座。在信息识别过程中更见稳定。

采用 K210 进行数字识别。

选用原因：aix Bit 开发板使用了 RISC-V 内核的 AI 芯片 K210，该芯片带有独立 FPU 的双核处理器，64 位的 CPU 位宽，8M 片内 SRAM，400M可调标称频率，支持乘法、除法和平方根运算的双精度 FPU；它还板载128Mbit 高速大容量 Flash、高速 USB 转串口芯片 CH552、RGB LED、MEMS 麦克风、24pin DVP 摄像头接口、24pin 8bit MCU LCD 接口，在数字识别方面有着极大优势。

三、电路与程序设计

1、电路设计

其中主控芯片采用的是 TI 公司的 MSP432P401R 系列 LanchPad 最小系统板。

电源模块的设计如图 3 所示。

红外识别模块的设计如图 4 所示。

电机驱动模块的设计如图 5 所示。

2、程序设计

小车整体算法设计如图 6 所示。

因为篇幅原因如下只截取部分核心代码：

Openmv 中的寻线算法如图 7 所示。

Openmv 中的模板匹配算法如图 8 所示。

四、测试方案与测试结果

1、测试仪器

标准测试图纸，秒表

2、测试方法与结果

按照题目要求，进行测试：

（1）当一开始识别的为 1 或 2 时，装载药品，进入送药模式，并在第一个路口转向，转向后继续巡线向前走，走到病房处停止，点亮红色指示灯，取下药品，红色指示灯熄灭，开始返回，回到出发点时，停止前进并点亮绿色指示灯。测试时间如表 1 所示。

 

 

（2）当识别到其余数字的时候，在遇到的第二，三个路口处进行识别，识别成功后，重复过程（1）。测试时间如表 2 所示。

（3）当 2 号小车打开之后，1 号小车进入模式二，当执行（2）到达病房，2 号小车运送至自选暂停点，1 号小车完成卸载后，1 号小车返回至药房，2 号小车继续运送并点亮对应指示灯。测试时间如表 3 所示。

3、测试结果分析

巡线算法结果分析如图 9 所示。

识别算法结果分析如图 10 所示。

数字识别结果分析如图 11 所示。

综上所述，测试结果符合题目要求。

五、总结

本系统电路设计结构简单，程序控制较为精确。直流无刷电机向编码器电机的迭代，使机械结构更加稳定；采用OpenMV识别技术，固定摄像机，完成巡线，并与K210扬长避短，在精准巡线的同时也能对图像进行快速识别。尝试利用软件算法克服硬件上的不足。测试过程中通过不断修正图像处理和PID参数，使得巡线精度有了明显提高。设计时充分了考虑了各种影响识别精度和巡线精度的因素，精度高。加入 GY-25 和光电控制，保证系统的安全性和可控性。对细节的把控与修改，让小车能够更精确完美地实现题目要求。