2算法分析

　　針對單傳感器避障系統(tǒng)中存在的缺點，本文提出了多傳感器協(xié)調(diào)合作方案，通過超聲波傳感器和紅外傳感器的配合，擴(kuò)大了探測范圍以及靈敏性，從而避免了誤撞和緊貼障礙物的危險，提高了避障機(jī)率，實現(xiàn)了全方位避障。

　　2.1流程設(shè)計

　　全方位避障小車在行進(jìn)過程中，各傳感器不斷檢測小車周圍是否有障礙物。當(dāng)有傳感器檢測到障礙物時，通過判斷檢測到障礙物的傳感器的數(shù)量，來實現(xiàn)小車全方位自動避障：單傳感器檢測到障礙物時，小車遠(yuǎn)離檢測到障礙物方向;兩個傳感器檢測到障礙物時，小車向未檢測到障礙物方向轉(zhuǎn)向;所有傳感器都檢測到障礙物時，小車急速左轉(zhuǎn)避開障礙物。當(dāng)小車避開障礙物后，小車?yán)^續(xù)行進(jìn)。流程圖如圖4所示。

　　圖4程序流程圖

　　2.2避障代碼

　　根據(jù)以上避障原理，編寫相應(yīng)的程序，以實現(xiàn)小車的全面避障，程序主要分電機(jī)、超聲波和紅外測距三部分。電機(jī)部分由analogWrite()、digitalWrite()分別控制車速和小車前進(jìn)、后退或轉(zhuǎn)向;超聲波測距部分由Trig.Pin控制超聲波輸入，由EchoPin控制超聲波輸出，控制模塊通過對接收到的脈沖波時間進(jìn)行處理，轉(zhuǎn)化為距離參數(shù)，從而獲得距離Middle_distance;紅外測距部分由控制模塊通過紅外傳感器獲得一個模擬量analo.gRead()，通過輸出的模擬量可以推算出電壓值volts，而輸出電壓和探測距離關(guān)系為distance：65*pow(volts，-1.10)，從而可獲得小車與障礙物的距離。

　　3實驗研究

　　智能車在進(jìn)行了器件選型和確定控制算法后，為了驗證系統(tǒng)的性能，進(jìn)行了實驗驗證。

　　實驗中選用一塊放著多種障礙物的平地，障礙物分兩大種：一種是規(guī)則的障礙物，如正方體、圓柱等。另一種為不規(guī)則障礙物。實驗時，智能避障小車在行進(jìn)過程中不斷探測前方周圍是否有障礙物，當(dāng)存在障礙物時候，判斷出相應(yīng)障礙物位置，并進(jìn)行相應(yīng)動作。

　　為了有效驗證智能小車避障成功率，通過改變障礙物形狀來對小車進(jìn)行性能測試，結(jié)果如圖5所示。其中測試小車100次，并統(tǒng)計出單面避障和全方位避障成功通過不同障礙環(huán)境的次數(shù)，障礙環(huán)境由總數(shù)為100的規(guī)則障礙物和不規(guī)則障礙物組成。由圖5可見，普通的單面避障方法有著較低的成功通過率，而本文所提出的全方位避障方法則受此影響不大，有著較高的通過率。

　　圖5單面避障與全方位避障成功率對比

　　4結(jié)論

　　設(shè)計的基于Arduino的智能小車避障系統(tǒng)，采用了單紅外和雙超聲波避障方式，使小車在行車過程中對障礙物的探測更加精確。實驗結(jié)果表明，設(shè)計的全方位避障系統(tǒng)較大地提高了避障的效率和成功率，可有效地實現(xiàn)全方位避障。