针对路面边缘排水槽清理难、转弯处清理容易损坏毛刷盘等问题,设计出一种基于STM32和ARM Cortex-A8平台的集行走、控制、图像识别与路径检测、水槽清扫、集尘等多功能于一体的自清扫小车。根据实际应用要求,完成了自清扫小车的机械结构和控制系统设计,并进行了图像处理和运动仿真实验,结果表明:图像识别与路径检测系统处理一副500×360像素的图像平均耗时仅需0.082s,可实时检测到路面和排水槽清扫路径,且在复杂路面上可保持稳定运动,从而有效引导自清扫小车对路面边缘排水槽进行自动清扫。】第40卷第8期2018-084.2图像处理仿真为验证自清扫智能小车能否实现在路面上自动导航行走，选取了图5所示的两幅路面图像进行仿真处理，图5(a)为弯曲路面，图5(b)为直线路面。图6为两幅图像处理完成后的特征点和路径检测图像，图中较细曲线为提取的系列特征点，粗线条为特征点经霍夫变换后得到的自主行走导航路径。从仿真图可以看出，路面较平直时自清扫智能小车-数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机，特征点和导航路径吻合性较高，基本保持重合；路面有弯道时，特征点和导航路劲不重合，需实时调整导航路径本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com  ，以满足自清扫小车沿路面行走作业，毛刷盘根据左右端摄像头采集的排水槽图像实时调整动作，以完成清扫作业。图像识别与路径检测装置处理两幅像素500×360的图像分别耗时为0.085s、0.079s，平均耗时0.082s，表明图像处理速度快，可满足路径导航实时性要求。(a)弯曲路面(b)直线路面图5路面图像(a)弯曲路面(b)直线路面图6特征点与路径检测图像4.3稳定性仿真自清扫智能小车行走作业时，质心的变化能够反映出其在运行中的稳定性问题，如质心波动比较大，则稳定性较差。为验证自清扫小车的稳定性，选取波浪纹防滑型混凝土地砖路面作为仿真行走基体，路面上波浪纹的最大圆弧半径为4mm，仿真得到小车质心运动参数随时间变化曲线如图7所示，(a)～(c)分别为质心位移、速度、加速度随时间变化曲线（注：X轴指向前进方向，Y轴指向高度方向，Z轴指向宽度方向）。小车在路面前进过程中，由于Z轴方向上的运动学参数变化很小，几乎呈直线状，图中予以忽略。从图7中可以看出，小车在运动至第9s左右时前轮开始越过波浪纹圆弧，此时X、Y方向上的速度和加速度曲线会自清扫智能小车-数控滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com