履带车辆依其良好的通过性能在工程建筑、军事、农业等领域发挥着十分重要的作用。随着传感技术、计算机科学、人工智能及其它相关学科的迅速发展，履带车正向着智能化方向发展。而履带车智能化水平的一个重要体现就是其导航能力的高低。研究履带车的导航技术具有重要的意义。履带车工作环境一般比较恶劣，而且还经常出没于一些危险的环境，另外操作者在驾驶履带车长期工作时也会很疲劳，因此履带车的自主导航，可以将人从繁重无聊的工作中解放出来。履带车常见的导航方式有电磁导航、超声波导航和视觉导航等。视觉传感器由于获取的信息量大，敏感度高，成本低，并且视觉导航可根据需要灵活地改变或扩充路径，因而视觉导航成为履带车导航研究得较多的方向。视觉导航主要有两个研究方向：（1）完全意义上的视觉导航：它是通过模拟人的视觉来识别道路。（2）另一研究方向是标识线图像识别法，即“有线式”视觉导航。这种导航方法简单灵活，与完全意义上的视觉导航相比，具有更快的图像处理速度和更好的控制实时性。本文所研究的即为智能履带车“有线式”视觉导航。本文以课题组自主开发研制的实验用智能履带车为实验平台，对履带车的视觉导航技术进行了研究，研究内容主要为：实验用智能履带车结构及驱动系统设计为了研究履带车的自主导航技术，课题组制作了实验用智能履带车。本文设计了其组织和控制结构，包括感知模块、规划模块和执行模块。描述了履带车的转向过程，并介绍了实验用智能履带车通过工控机控制两台变频器，两台变频器分别控制两侧履带驱动电机，从而实现履带车转向的控制原理。智能履带车的视觉系统介绍了实验用智能履带车视觉系统构成以及各个模块的功能。分别为图像<WP=61>采集模块用来获取路面数字图像；图像预处理模块是为路标线提取做准备的；路标线识别的任务是识别出环境中预先设定的路标线，并由此得到用于决策的信息，即位置偏差和方向偏差。采用一种快速摄像机标定方法对实验用智能履带车的摄像机进行了标定，获得了摄像机内外参数，从而确定了视觉系统各个坐标系之间的映射关系。对所采集的路面图像进行了预处理，包括图像灰度化，采用最大方差阈值法选择阈值进行的图像二值化，采用改进的领域平均法对图像进行噪声消除。通过对图像划分网格大大压缩了图像的数据量，提高了图像处理速度。采用逐行扫描求出路标线的位置，并用最小二乘法拟合路标线求得履带车模糊控制器的两个输入量：位置偏差和方向偏差。智能履带车的决策系统由于履带车视觉导航系统难以用精确的数学模型来描述，故在介绍了模糊控制的基本原理的基础上，为智能履带车视觉导航系统设计了模糊控制器。图1 路标示意图 履带车视觉导航采用的是一个双输入单输出模糊控制器。两个输入为位置偏差B和方向偏差α（如图1），输出量为左右侧变频器控制电压之差系数ΔV* 采用加权平均法对控制量进行反模糊化： 假设反模糊化得到时刻的控制量，则求得两侧变频器的控制电压分别为： <WP=62> ， 这里，为转向前两侧变频器的控制电压。智能履带车视觉导航实验研究 介绍了实验用智能履带车视觉导航系统，主要是由视觉系统、决策系统、驱动系统三部分组成。 选用Windows操作系统和Visual C++语言开发了智能履带车视觉导航系统软件。该软件可以使操作者方便地操作履带车，并能随时掌握履带车的运行状况。介绍了软件对图像采集的操作和通过PCL-728控制卡对两个变频器的操作。利用自己设计研制的实验用智能履带车在实验室进行了大量的实验验证了导航系统的有效性。在介绍了履带车在做直线导航和曲线导航结果的基础上，分析了导航系统影响因素，并提出了几点改进措施。结论本文所介绍的智能履带车视觉导航系统较好的实现了视觉导航，但需要进一步的研究，以提高导航精度和可靠性。