Tracker Sensor

来自Waveshare Wiki
跳转至: 导航搜索
Tracker Sensor
{{{name2}}}
{{{name3}}}
功能简介
特性 红外循迹传感器
' 无特性,不解释
' 无特性,不解释
' 无特性,不解释
' 无特性,不解释
接口 I/Os

说明


产品概述

Tracker Sensor是红外循迹传感器,常用于制作循迹智能小车。
Tracker Sensor采用ITR20001/T红外反射传感器,ITR2001/T传感器的红外发射二极管不断发射红外线,当发射出的红外线被物体反射时,被红外接收器就收,并输出模拟值。输出模拟值和物体距离以及物体颜色有关。通过计算五路输出的模拟值,判断循迹线位置。

规格

  • 工作电压:3.3V ~ 5V
  • 产品尺寸:78mm × 18mm
  • 探头间距:16mm
  • 固定孔尺寸:3mm
  • 感应距离:1cm ~ 5cm

主要用途

智能小车或机器人寻线,避悬崖防跌落等

小车循迹原理简介

Tracker Sensor有五路模拟输出,模拟量输出和距离,物体颜色有关。红外反射越强(白色)时,输出越大,红外放射越弱(黑色),输出越小。探测器离黑色线越近输出越小,由此可以通过输出模拟量判断黑线的距离远近。数值越小的传感器离黑线越近。相对于其他只能输出高低电平的轨迹传感器而言,本产品的5路模拟量输出可以反馈黑线的距离,反馈更为准确。
小车算法可以分为3部分:

第一部分:归一化校准

相同的颜色,距离,不同的探测器输出会有所不同,而且不同环境输出的模拟量范围也不一样。如果采用10位AD采集。理论上输出范围会在0~1023之间。但是实际上输出最小Min会大于0,最大值Max会比1023小。由此为了减少传感器自身以及环境的影响,作归一化处理,归一化处理实际上就是将Min~Max的数值范围转为 0~1范围线性转换如下:

y = (x - Min) / (Max - Min)

(其中x为探测器输出值,y为转换后的值,Max、Min分别为输出的最大值和最小值)
为了数据处理方便可以将数据放大1000倍。则

y = (x - Min) * 1000 / (Max - Min)

转换后数据范围为0~1000.其中1000表示探测器远离黑线,0表示探测器在黑线正中。
其中Min和Max的值是由程序在运行过程中多次采集传感器的值而获得,并保存起来,采集过程中不断移动小车,使得采集到的最大最小值更加接近实际情况。

第二部分:加权平均

将五个探测器输出数据通过归一化处理后,得到五个反应探测器离黑线相对距离的数据。为了尽可能准确地确定路线的中心线。通过加权平均的方式将这5个数值转变成一个数值。公式如下:

y = (0 * value0 + 1000 * value1 + 2000 * value2 + 3000 * value3 +4000 * value4) / (value0 + value1 + value2 + value3 + value4)

其中0, 1000, 2000, 3000, 4000分别为从左到右5个探测器的权,value0~value4为探测器归一化后的数据。
则经过出后的数值范围为0~4000。代表黑线的位置。例如2000则表示黑线在模块的正中间。0表示在黑线在模块的最左侧,4000表示黑线在最右侧。
为了使模块探测的精度更高,对模块的高度和黑线有所要求。黑线应该等于或略小于探测器的距离(16mm)。高度为黑线在两个传感器正中间时,两个传感器都能够刚好探测到为宜。

第三部分:PID控制

由第二部分可得到黑线的位置,为了使小车一直沿着黑线走,则必须保证黑线在小车正下方,此时加权平均后的输出应该为2000。为了使小车走的更加平滑,减少左右摇摆。采用位置式PID控制。关于PID算法网上有很多介绍,此处不再详细讲解,只是大概介绍一下。
PID是指通过比例(P),积分(I),微分(D)对误差进行反馈调节。主要算法如下:

proportional = position - 2000;
derivative = proportional - last_proportional;
integral += proportional;
last_proportional = proportional;
power_difference = proportional * Kp + integral * Ki + derivative * Kd;

其中:
理想情况下,加权平均后的输出数据为2000,即黑线在正中间。
比例项(proportional)为当前的位置(Position)减去目标位置(2000),表示位置误差,正数表示小车偏右,负数表示小车偏左。
积分项(integral)数据为每次误差的总和,绝对值越大,表示误差累积值越大,表示小车越偏越远了。
微分项(derivative)为当前误差和上次误差的差值,反映小车的响应速度,数值越大,响应速度越快。
调节Kp, Ki, kd三个参数可获得最佳性能。先调节Kp参数,Ki, Kd设为0,不断调整Kp值使得小车可以循线,然后调节Ki和Kd值,参数可以设小一点,或者为0。

AlphaBot 循迹模块示例程序分析

下面结合AlphaBot智能小车讲解一下Tracker Sensor循迹程序。这里以Arduino的程序作为示例,Tracker Sensor的库文件主要包含TRSensors.cpp和TRSensors.h两个文件。
TRSensors.cpp主要包含下面这几个函数

TRSensors();
void AnalogRead(unsigned int *sensor_values);
void calibrate();
void readCalibrated(unsigned int *sensor_values);
int readLine(unsigned int *sensor_values, unsigned char white_line = 0);

其中TRSensors()为初始化函数,初始化相应的管脚,以及申请内存用作存储各个传感器的Max, Min值。
AnalogRead()函数为读取五路探测器的模拟值,AlphaBot是通过TLC1543 AD芯片进行AD转换,而非Arduino芯片的AD管脚。如果将Tracker Sensor接到Arduino的A0~A4管脚需修改此函数。
calibrate()函数为校准函数,通过多次采集数据,确定Max,Min值。故校准阶段时,小车需在黑线中紧贴地面左右摇晃。确保取得的Max,Min准确。 readCalibrated()函数为归一化校准,对应原理的第一部分,通过归一化线性转换,将数据转为0~1000范围内,其中1000表示探测器远离黑线,0表示探测器在黑线正中。
readLine()函数为读取循迹线的位置,对应原理中的第二部分。通过加权平均算出寻迹线的位置。数值范围为0~4000,0表示在黑线在模块的最左侧,4000表示黑线在最右侧。
原理中第三部分在循迹主程序Infrared_Line_Tracking.ino中实现,主要代码如下。
Ttacker Sensor-1.png

通过readline()函数读取寻迹线的位置,然后算出比例项proportional,微分项derivative,
此处只用了PD算法,没有积分项,而非PID。可以修改对应的PD参数,使性能更佳。
Tracker Sensor-2.png
最后一步就是通过PD算得的修改项power_difference去调节小车左右轮的PWM值,实现小车沿着寻迹线运动。

操作与现象

本节只是介绍模块的简单测试程序,关于AlphaBot使用Tracker Sensor实现循迹的操作以及示例程序可以参考AlphaBot的相关资料
下面,以接入微雪XNUCLEO-F103RB (STM32F103R) Arduino UNO开发板为例。
① 将配套程序下载到相应的开发板中。
② 将串口线和模块接入开发板,给开发板上电,打开串口调试软件。
模块与开发板连接如下表所示:

表1. 模块接入STM32开发板
端口 XNUCLEO_F103RB引脚
IR1~IR5 A0~A4
GND GND
VCC 3.3V


表2.模块接入Arduino
端口 Arduino引脚
IR1~IR5 A0~A4
GND GND
VCC 5V


串口配置如下表所示:

表3. 串口配置
Baud rate 9600
Data bits 8
Stop bit 1
Parity bit None


③串口会显示5串数据,分别对应IR1~IR5传感器。数据随着反射距离的远近而改变。当模块没有遮挡时,输出的大概为几十,当模块接近台面时,输出为八九百左右。

FAQ


技术支持


联系人:黄工
QQ:2850151199
EMAIL:2850151199@qq.com
电话:0755-83040712
微信:扫下方二维码添加
Service20-Weichat.png

说明:进行售后服务前,请准备好客户信息(定货单位、定货人等),以供验证