2. PID控制

　　既然我們要做到實(shí)時(shí)的精確自動(dòng)控制，那么就一定離不開(kāi)自動(dòng)控制理論中經(jīng)典算法：PID控制算法。我們使用Intel Galileo實(shí)現(xiàn)了兩個(gè)PID控制器，一個(gè)用于平臺(tái)的角度閉環(huán)反饋，另一個(gè)用于電機(jī)的速度閉環(huán)反饋。將傳感器采集的角度信息傳遞給角度PID控制器，得到對(duì)應(yīng)的控制量，通過(guò)運(yùn)動(dòng)解耦來(lái)控制三個(gè)電機(jī)的運(yùn)轉(zhuǎn)。而每個(gè)電機(jī)又有獨(dú)立的速度PID控制器，保證電機(jī)不會(huì)因?yàn)樨?fù)載重量的變化而改變響應(yīng)速度。

　　3. 視頻穩(wěn)定

　　視頻圖像穩(wěn)定是我們的雙平衡中不可或缺的一環(huán)，由于穩(wěn)定后的圖像通過(guò)視頻眼鏡直接展示給用戶，這就要求我們的圖像需要進(jìn)行實(shí)時(shí)處理。整個(gè)穩(wěn)定算法由兩個(gè)模塊組成，分別是運(yùn)動(dòng)向量檢測(cè)和運(yùn)動(dòng)補(bǔ)償。運(yùn)動(dòng)向量檢測(cè)用于計(jì)算每一張圖像和前一張圖像之間相對(duì)運(yùn)動(dòng)的信息，利用得出的相對(duì)運(yùn)動(dòng)關(guān)系，采用運(yùn)動(dòng)補(bǔ)償模塊就可以通過(guò)反向施加相對(duì)運(yùn)動(dòng)來(lái)達(dá)到圖像穩(wěn)定。整個(gè)算法利用OpenCV為基礎(chǔ)實(shí)現(xiàn)，由于圖像算法的計(jì)算量很大，Baytrail平臺(tái)的CPU不能完成實(shí)時(shí)處理的效果，由于圖像算法具有高度并行的特點(diǎn)，于是通過(guò)OpenCL異構(gòu)計(jì)算技術(shù)充分利用Baytrail平臺(tái)的GPU來(lái)加速圖像處理算法，結(jié)果處理速度得到了1000倍的提升。

　　4. 運(yùn)動(dòng)向量檢測(cè)

　　運(yùn)動(dòng)向量檢測(cè)通過(guò)提取圖像中的特征點(diǎn)并且跟蹤圖像中特征點(diǎn)的移動(dòng)來(lái)實(shí)現(xiàn)，核心算法就是特征點(diǎn)提取和特征點(diǎn)跟蹤。特征點(diǎn)提取采用Harris Corner，本項(xiàng)目提取圖像中特征最強(qiáng)的100點(diǎn)，特征點(diǎn)數(shù)目通過(guò)兼顧算法的穩(wěn)定性和速度而確定。特征點(diǎn)跟蹤使用稀疏光流來(lái)跟蹤特征點(diǎn)的移動(dòng)。通過(guò)4組匹配的特征點(diǎn)，可以計(jì)算出兩張圖像變換的單應(yīng)性矩陣。由于我們有100組匹配的特征點(diǎn)，而特征點(diǎn)數(shù)據(jù)中有噪聲，因此采用RANSAC算法排除噪聲較大的點(diǎn)來(lái)計(jì)算出誤差最小的單應(yīng)性矩陣。

　　5. 運(yùn)動(dòng)補(bǔ)償

　　運(yùn)動(dòng)補(bǔ)償對(duì)圖像中的每個(gè)像素計(jì)算出經(jīng)過(guò)單應(yīng)性矩陣變換后的像素坐標(biāo)，由此可以將一張運(yùn)動(dòng)后的圖片恢復(fù)到?jīng)]有運(yùn)動(dòng)的狀態(tài)。

　　應(yīng)用前景

　　我們搭建的系統(tǒng)還需要通過(guò)實(shí)踐來(lái)檢驗(yàn)。7月初，我們搭乘普陀山號(hào)客運(yùn)輪船，當(dāng)晚海面上風(fēng)浪較大，在船艙內(nèi)晃動(dòng)的感覺(jué)是很明顯的。經(jīng)過(guò)10個(gè)小時(shí)顛簸的旅程，我們采集了大量的傳感器數(shù)據(jù)并對(duì)我們的運(yùn)行系統(tǒng)進(jìn)行實(shí)體測(cè)試。其他乘客的感受和大量實(shí)驗(yàn)數(shù)據(jù)表明，我們的系統(tǒng)在實(shí)現(xiàn)運(yùn)動(dòng)平衡方面具有較好的效果。

　　未來(lái)，不同交通工具可以廣泛部署這種產(chǎn)品，以極大地提升乘客的旅行體驗(yàn)。每種交通工具中只需為易感人群提供少量的平衡座椅，控制結(jié)構(gòu)和算法基本相同對(duì)于規(guī)模擴(kuò)大并不會(huì)增加太多的成本。同樣，對(duì)于像客輪等大型交通工具，內(nèi)部則可以實(shí)現(xiàn)一個(gè)更大的平衡甲板來(lái)實(shí)現(xiàn)對(duì)整個(gè)船艙的平衡，這樣只需要一套整體系統(tǒng)就可以提供更加舒適的乘坐體驗(yàn)。

　　當(dāng)然，本項(xiàng)目也存在很多尚待改進(jìn)的部分：從算法的優(yōu)化到人體工程學(xué)的設(shè)計(jì)，都需要更多的努力;現(xiàn)有的低成本的直流推桿電機(jī)的響應(yīng)速度不足，視頻眼鏡的體驗(yàn)并不完美，這些都需要我們團(tuán)隊(duì)向著工程化、商品化進(jìn)行推進(jìn)。

　　參考文獻(xiàn)：
　　[1]暈動(dòng)病.維基百科[R/OL].( (2013-10-31).http://zh.wikipedia.org/w/index.php?title=%E6%99%95%E5%8A%A8%E7%97%85&oldid=29071020
　　[2]張林,黃矛.暈動(dòng)病易感性的研究[J]. 現(xiàn)代生物醫(yī)學(xué)進(jìn)展,2010(16):3157-3159
　　[3]Shi and C. Tomasi. Good Features to Track. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,1994(6):593-600
　　[4]Opencv v2.4.9 documents image pyramids[R/OL].http://docs.opencv.org/doc/tutorials/imgproc/pyramids/pyramids.html
　　[5]Lucas B D,Kanade T.An iterative image registration technique with an application to stereo vision. Proceedings of Imaging Understanding Workshop,1981:21-130
　　[6]Bradski G,Kaehler A.Learning OpenCV: Computer Vision with the OpenCV Library
　　[7]Szeliski R.Computer Vision:Algorithms and Applications