一种工厂自动配料平衡车

技术领域

本发明涉及一种工厂自动配料技术领域，特别涉及一种工厂自动配料平衡车。

背景技术

近二十年来，随着电力电子技术与移动机器设备理论研究的不断深入，移动运载工具成为目前科学研究最活跃的领域之一，其在工业领域的应用范围越来越广泛，但大部分工业运载工具当下仍面临环境影响、运载任务、人工要求等等各种问题。因此，要求特定新型移动运载工具必须能够适应一些复杂的环境和任务。例如，要求移动运载工具需要在凹凸不平的工作环境上行走；移动运载工具能实现脱离人的自主运行；移动运载工具能识别不同环境的特征并进行相应的动作等等。在城市化进程空前发展的今天，环境中会出现很多人为干扰或者障碍物的阻挡，只能够允许移动运载工具在有限、狭窄的环境稳定运行。如何解决移动运载工具在这些环境中运行的问题，逐渐成为研究者们研讨与解决的问题。

能够通过电磁或光学等传感器进行自动导航、运载货物的运输车称为自动导航运输车，简称AGV。为提高工厂货物运输效率，通常铺设大面积配料车轨道，用于AGV进行配送货物。相比较之下，使用AGV可以大幅度提高工厂的生产效率以及货物装卸自动化水平。

传统工厂配料车也存在一定问题——在路面不齐的环境中无法稳定运行。狭小的工作空间下，四轮车的前轮与后轮轮差也会使配料车的运动轨迹受到拐角大小的线性影响。在大多数密集的工业园区(以上海施耐德低压终端电器有限公司为例)，其不到一百亩的厂区面积，其中百分之三十以上用于配料车的路径规划，造成了极大空间资源上的浪费。

发明内容

为了至少解决或部分解决上述问题，提供一种工厂自动配料平衡车。

为了达到上述目的，本发明提供了如下的技术方案：

本发明一种工厂自动配料平衡车，包括运动控制模块、图像识别模块、远程控制模块和平衡车，所述运动控制模块包括姿态检测模块、通信模块、巡迹模块、显示模块、超声波模块和mcu；所述平衡车包括车身、轮子和驱动结构，所述驱动结构驱动轮子转动，所述车身呈直立形，所述轮子位于车身的底部，所述姿态检测模块检测平衡车的姿态状态，并将数据发送至mcu，所述mcu根据姿态状态控制驱动结构运动，所述超声波模块用于检测前方道路数据，并将数据发送至mcu，所述巡迹模块将预定路线数据发送至mcu，所述mcu根据超声波模块检测的道路数据和巡迹模块预定路线数据控制驱动结构运动。

作为本发明的一种优选技术方案，所述通信模块用于姿态检测模块、巡迹模块、显示模块、超声波模块、mcu和驱动结构之间的数据传输。

作为本发明的一种优选技术方案，所述图像识别模块包括图像收集模块、图像预处理模块和特征提取模块，所述图像收集模块用于收集目标图像数据，并将数据发送至图像预处理模块，所述图像预处理模块对图像进行降噪处理，并将处理后的图像发送至特征提取模块，所述特征提取模块用于提取特征数据。

作为本发明的一种优选技术方案，所述远程控制模块用于远程数据操作，采用IIC协议与STM32进行数据传输，进行全球范围内信号接收与指令发送。

与现有技术相比，本发明的有益效果如下：

本发明以“平衡”为核心，设计了一款可远程控制、自动定点配料的两轮差分式驱动AGV。由于该配料车的特殊车体结构，在密集程度高、环境尤为复杂的工厂地形，以及拐口小、拐角弧度大的弯道处，仍可以高效执行配送任务。此外，这种新型配料车具备图像识别功能，可以适应不同厂区的变化——通过图像采集、二值化分析、图像分割及字符识别完成工位的定点配料。还可针对不同场景，做出相应的功能调整。基于工业互联网的发展趋势，工厂自动配料平衡车上还将使用到物联网通信——使用者通过配置不同的云服务器，实现多客户端对配料车的远程控制。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明运动控制的整体结构模块图。

图2是本发明的平衡车整体结构示意图；

图3是本发明的平衡车整体结构受力分析图；

图4是本发明的车轮运动保持配料车平衡展示图；

图5是本发明的平衡控制原理示意图；

图6是本发明的加入比例微分反馈后的系统框图；

图7是本发明的平衡配料车仿真模型图；

图8是本发明的配料车角度环PD控制系统图；

图9是本发明的平衡配料车串级控制系统图；

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

此外，如果已知技术的详细描述对于示出本发明的特征是不必要的，则将其省略。需要说明的是，下面描述中使用的术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

如图1所示，本发明提供一种工厂自动配料平衡车，包括运动控制、图像识别、远程控制三个部分。在机械结构上，配料车选用较轻的材料保证重心稳定。硬件方面，配料车对各个模块进行封装，以保证整体更趋于稳定，总体包括寻迹模块、姿态检测模块、供电模块、电机驱动模块、数据通信模块、图像识别模块、显示模块、超声波辅助运动控制模块。软件方面，不同MCU分别负责不同工作任务，分别为配料车车身平衡控制、区域图像采集及识别、物联网通信。

运动控制系统整体设计

工厂自动配料平衡车可以在无外界干扰，或一定范围内的外力干预情况下，通过差分式驱动的方式保持平衡。同时，在配料车正常前进、后退、左转以及右转动作情况下也能保持平衡。而维持这一稳定状态的来源，是两个直流减速电机控制下的车轮。配料车运动控制系统硬件结构图如图1所示。

配料车平衡部分由多个模块组成，最终实现对减速电机的精确控制。减速电机如何运行，能够使车体平衡稳定，无法直接判断。因此，设计将进行两轮自平衡车的动力学分析，建立平衡数学模型，通过软件控制车体平衡。

图像识别系统整体设计

在配料车进行大面积多区域的定点配送货时，需要实时知道自己所处位置，并执行相应工作任务，设计将采用“多目”视觉结合的方式进行机器自主判断。与传统多目不同，配料车使用图像识别与红外感应相结合的方式进行定点识别。即泊车依靠于红外传感器提前感应，传输启动标志信号，摄像头采集当前地点位置信息，通过图像识别进行后续追踪。图像识别包括字符识别、二值化处理、字符分割、图像放大、归一化等一系列步骤，最终将画面处理成数组变量，通过对数组的比对分析完成处理。

红外传感器进行区域位置的提前处理，提高匹配精度。通过图像二值化的处理方法，将图片中的有效信息对比度放大，突出主题，以此区分不同工位的具体位置信息。此方法具有快速、稳定、廉价、简便等特点，足够完成配料车的配料工作。

远程控制系统整体设计

工厂自动配料车可以实现多种远程数据传输，分别通过ESP8266-nodeMCU与蓝牙完成。蓝牙连接平衡控制模块，用于检测系统状态，方便工程师进行短距离检测与控制。ESP8266-nodeMCU通过IIC协议与STM32进行数据传输，通过MQTT协议连接服务器，不仅可以将数据上传至云端，还可以通过订阅信息的方式对服务器数据进行读取，完成整套设备的远距离数据交换。该系统可以保证配料车的工作过程中，检测工程师和各个工厂总控制中心可以实时检测到当前配料车的工作状态，并对其进行控制。

平衡控制技术

平衡控制原理

配料车的平衡原理来自于日常生活中“立竿子”的动作。实际上，该过程就是控制中的负反馈机制。如图5所示。

通过对“立杆子”动作的控制分析可知，整个环节的稳定控制取决于反馈的速度与精确度。配料平衡车直立控制采用相同的原理，将眼睛用传感器代替，执行机构替换成车轮。通过车轮运动保持配料车平衡如图4所示。

2.2.2动力学分析

建立单摆模型类比研究配料车的平衡控制规律。平衡配料车的直立可以看做立在可移动木板上的倒立摆。

受到重力的影响，当质心偏离重力垂直方向时，在引绳偏向重力的垂直方向会受到重力的分力，最终驱使物体恢复到垂直位置。该恢复物体初始位置的力也称回复力，大小为

F＝mgsinθ≈mgθ(式2.1)

在倾斜角度很小的情况下，回复力随角度的增大呈递增趋势。配料车车体在配料的过程中不可能过于倾斜，因此回复力大小与角度成正比。

在单摆模型中，除了受到重力的影响外，还存在空气对回复力的阻尼，阻尼会导致最终单摆恢复静止状态。单摆角速度越大，阻尼力也越大，也会越快趋于静止。

通过对单摆的分析可以得出结论，单摆系统的稳定需要满足：

(1)有倾斜角度相反的回复力；

(2)有运动速度相反的阻尼力。

阻尼力可以使单摆系统恢复到静止状态。欠阻尼，在角度较小时仍然会有往返摆动，无法真正静止；过阻尼，单摆系统将长时间处于振荡往复的状态。因此需要选定一个临界阻尼系数，可以消除欠阻尼与过阻尼的状态。

类比分析配料平衡车的平衡动作。由于回复力与角度偏移方向始终相同，导致系统无法自行恢复平衡，相反，回复力还会加速非稳定状态的变化。

针对这一现象可以采用两种方法进行控制——一种是改变回复力方向，另一种是增加受力。第一种方法受限于重力方向的固定，无法实现，因此只能通过电机旋转产生额外的受力。此时以配料车非惯性系为主体，额外增加的力由配料车加速度产生，方向与加速度方向相反，大小成正比。配料车受力分析如图3所示。

在非惯性系中，物体由于慣性会受到惯性力，

此时配料车所受回复力为：

F＝mgsinθ-macosθ≈mgθ-mk

由于配料车在向一边倾倒时，加速度与偏角方向相同，因此设置两者比例为k1。当k1>g时，回复力方向将与单摆模型一样，与位移方向相反。在此模型上增加阻尼力，阻尼力与运动速度方向相反：

F＝mgθ-mk

按照上述控制方法，可得配料车加速度的控制算法：

a＝k

式中θ表示配料车倾角，θ

2.2.3构建平衡数学模型

数学建模以及动力学分析可以更好的辅助解决理论与实践之中可能存在的一些问题。通过建立配料车的系统模型，可以更好的辅助调节控制器参数。实际应用中，非理想状态下的诸多因素会导致控制系统理论与实际产生较大误差。为此将通过拟合方式，将多个非线性参数(例如配料车双轮马达震动、同轴马达相互作用力、环境等诸多影响)，转化成线性化问题进行分析。本设计通过常用的动力学建模方法——牛顿经典力学以及拉格朗日动力学方程对配料车进行数学建模分析。

根据动力学原理分析平衡配料车持续稳定的条件。假设平衡配料车高度为L，质量为m，新增角加速度x(t)。通过角动量守恒方程——质点对固定点的角动量对时间的微商，等于作用于该质点上的力对该点的力矩，可建立平衡关系：

L＝M (式2.5)

展开角动量与力矩的关系可得：

r·mv＝L·F (式2.6)

对应质点的力臂长度等于配料平衡车倾斜车身长度，因此可继续化简：

r·ω＝a (式2.7)

将角动量左式与力矩右式之间的关系进行拆分，获得运动方程如下：

平衡配料车建模分析如图2所示。

平衡配料车建模分析图

当配料车倾斜角度很小时，可简化运动方程为：

配料车静止时，a(t)＝0，运动方程为：

使用Matlab对平衡配料车静止状态的传递函数进行稳定性测试；

对应平衡配料车在静止时，系统输入输出的传递函数为：

此时，对应系统有两个极点：

通过MATLAB绘制根轨迹示意图，可以直接观察得出配料平衡车传递函数对应有两个极点，其中有一个在s平面的右半平面，说明配料平衡车的运动是不稳定的。故引入比例、微分(PD)进行反馈控制，反馈后的系统框图如图6所示。

此时，系统的传递函数为：

对应系统有两个极点：

为保证系统稳定性，需要满足两个极点均位于s平面的左半平面。

整理该式，由于L>0恒定不变，有且仅当满足k

调整后的根轨迹示意图显示，配料平衡车传递函数对应的两个极点均在s平面的左半平面，系统稳定。通过选择更加合适的k1、k2参数，系统将更加稳定(在合适k2值处，尽量增大k1值)。

通过MATLAB构建平衡数学模型，对配料平衡车的结构进行稳定性证明，得出结论。当k

使用Matlab对平衡配料车静止状态的传递函数进行稳定性测试；

Simulink仿真

为进一步验证结论的合理性，将通过Simulink对动力学分析和数学建模内容进行验证。根据理论设计出控制方法如图7所示，观察角度在干扰信号的作用下的自恢复情况。

使用PID控制器进行控制，假设初始稳定状态下输入为0(配料车平衡时角度为0)。

通过波形可以看出，为实现平衡，车体会先反向获得一定量的倾斜角度，再进行负反馈调节。在外界干扰的情况下，配料车能够在一定时间内自动恢复到稳定状态。为获得更快的恢复速度，后续将对模型进行优化。

姿态检测

平衡配料车需要实时监控车身姿态，并将状态反馈给输出电机，以保证配料车持续处于平衡状态。最关键的部分是配料车在角度偏离最大可控范围前，有效施加由加速度产生的反作用力。

(1)姿态检测的基本概念

以飞机、无人机为首的众多运输工具中，姿态是一个十分重要的参数。一旦设备发生旋转、偏移、移动，姿态都会相应的发生改变。这一类数据的检测，称为姿态检测。

(2)坐标系

姿态是载体坐标系和地理坐标系互相参照变化的量，按参照物的不同可分为地理坐标系、地球坐标系、载体坐标系，其中工厂自动配料平衡车为载体坐标系，以配料车整体质心为原点，顶部为Z轴、前方为Y轴、右侧为X轴构成坐标系。

(3)姿态角与坐标系

姿态角与坐标系的关系如下表2.1所示。

表2.1姿态角与坐标系对应关系

(4)常用姿态检测的缺陷

姿态检测常用角度值进行分析，因此大多数场合使用陀螺仪作为数据采集传感器。通常电子陀螺仪采集角速度数据，需要测量结果进行积分计算出偏移角度。在此期间会出现积分误差。当积分时间dt减小时，误差也会越小。

提高传感器采样频率，可以减少积分误差带来的影响。但此时会存在更大的问题，当器件本身存在误差时，积分作用会无限放大此误差。例如传感器对角速度的检测存在每秒零点一度的偏差，在静止时间达到一分钟时，得出的测量角度已经放大为原来的六十倍。若经过一个小时，姿态角度已经达到360度。无论传感器的精确度多高，都无法消除因时间放大的误差，而这种累计误差只有正方向误差与反方向误差一致时才可以消除。因此使用陀螺仪采集角度数据，必然会出现数据漂移现象。

为了消除陀螺仪检测时出现的累计误差，需要引入检测加速度大小的加速度计进行辅助测量。原理类似于建筑中常用的水平仪，当姿态角度发生倾斜时，水平仪中的气泡会随之移动。加速度计与水平仪类似，传感器内部通过各个方向的受力数据进行分析，最终通过力与加速度的线性关系转化成加速度输出。但传感器在任何时候都会受到重力的影响，因此在计算加速度前，需要将受力数据进行各方向的分解，去除掉力的重力分量。

与陀螺仪一样，加速度计也存在诸多缺陷。加速度计的工作原理与水平仪类似——通过重力进行检测，故同样无法对航偏角进行测量。且加速度计无法自主判断加速度方向，出现高频震动时，受重力影响，测得数据会有剧烈变化，难以反映真实加速度受力情况。因此为提高精度，工业领域还将引入更多检测元件。

(5)姿态融合

综合常用姿态传感器的检测缺陷，总结出以下结论：陀螺仪可用于非静止状态下检测角度。加速度计也可以检测角度，但在运动状态下会有误差，且不受时间影响。两者恰好体现出互补的特性，故综合陀螺仪和加速度计的特点，使用算法对两者进行优化。配料车静止时，提高加速度计数据权重；配料车运动时，提高陀螺仪数据权重。

综合以上方式，通过算法对各传感器检测姿态数据进行处理的方式，称为姿态融合。

控制算法

配料车的运动控制，其本质是一种反馈下的动态平衡。整个过程中，不仅要消除系统本身存在的误差，还要对外界干扰快速恢复。而PID算法就可以完美解决工业中配料车中存在的此类问题。此外，针对于运动控制、路径优化等，也可以采用更加先进的算法(例如模糊控制、神经网络分析、最优控制等等)以提高性能，拓展更多功能。

(1)闭环控制

通常对于精度较低的系统，采用开环控制。例如玩具四驱车，电机的两根引线接收到直流电信号，电机就会旋转。施加电压越高，相应电机转速越快。但是在更多精密控制的场合，开环控制远达不到要求，此时需要使用闭环控制。工业领域大多数场合对控制精度要求极高，以AGV举例，主要有以下几方面原因：

①AGV在爬坡行驶时，速度会大幅下降。对于各个独立控制的多轴电机，转速下降值都将不同，最终导致AGV的实际运动轨迹是一条曲线。

②即使在平地上行驶，电机由于生产工艺、负载不均衡等影响，导致累积误差的骤然增大，最终偏离既定路线。

③随着设备使用时间的增加，电池电压逐渐降低，电机的供给电压也会随之降低，从而造成电机的转速与给定值不完全一致。

综合各种因素考虑，平衡配料车等高精度使用场合，必须选择闭环控制。

(2)PID概述

PID控制作为最早的控制应用方法，凭借稳定性强、可靠性高、易实现等优势，广泛应用于各个工业领域。

PID适用于二阶以内线性系统，而线性系统需满足叠加性和齐次性，包括以下系统：

y＝kx (式2.15)

(3)PID公式

PID的计算公式如下所示。

其中，C为PID控制的输出，e为误差，在闭环控制系统中，通常误差＝控制输出-实际输出。

实际应用时，比例度、积分时间、微分时间会进行归一化，分为连续PID和离散PID控制：

调试时，只需要对kp、ki、kd进行调整即可。

(4)各参数作用

PID算法中各参数的作用如表2.2所示。

表2.2P、I、D各参数作用

(5)控制相关

PID控制过程中，常出现大幅度偏离理想结果的现象，为尽量避免这些现象的产生，需要对误差原理进行分析，并找出相应解决方案。

积分限幅

在使用积分作用进行控制时，持续的累计偏差会导致电机在系统长时间运行下烧毁，因此需要通过软件对积分作用进行限幅。

②积分分离

误差的突变将导致积分作用的突变，系统出现严重超调。为防止系统出现这个现象，将对系统进行积分分离。突然给定一个系统较大误差时，比例作用能有效的作用与误差，因此在软件上，对误差做条件判断。当突然出现的误差大于某一值时，将采用纯P控制，达到快速跟随的效果。

(6)配料车PID使用

配料车平衡控制分为角度环与速度环，对应配料车的角度和速度控制。

①角度环PD控制

角度环是对配料车的直立进行控制。配料车直立控制仅使用比例、微分环节，省略积分环节，原因在于积分环节的积分饱和现象。当静态误差过大时，即便电机达到极限转速，仍然无法消除误差。

例如配料车在某一时刻已经趋于稳定，突然传感器受到干扰，出现一个陡然的变化(例如未被滤波的噪声)，控制器会误以为当前距目标直立姿态偏差极大，造成静态误差迅速增大。最终导致积分项增大，电机转速骤增，然后电机猛然加速。当下一个姿态检测信号传输过来时，已经无法克服电机+重力组合倾倒的力。因此配料车的直立控制仅使用PD控制。

配料车角度环PD控制系统如图8所示。

②速度环PI控制

配料车处于非平衡状态时，角度环PD发挥控制作用维持平衡，但角度环无法对配料车具体车速进行控制，还需要引入速度环。

速度环使用PI组合的线性控制，最终将输出量转化成直立环的输入量以保证平衡。

③串级控制系统

串级控制系统融合速度环、角度环。外环系统采用给定速度作为输入参数，通过速度闭环控制叠加角度反馈，送入角度内环控制，最终输出可以维持平衡的角度、速度参数。最终串级控制系统输出＝(角度环P×(目标角度-实际角度)+角度环D×(目标速度-实际速度))-(速度环P×(目标速度-实际速度)+速度环I×累计速度误差)。平衡配料车串级控制系统如图9所示。

图像识别技术

数字图像组成

彩色图像是由长、宽、三个颜色通道组成三维立体结构。计算机中，图像以数字化的方式进行存储。多个字节组成一个像素点，再由多个像素点组成一张新的图片。

彩色图像灰度化

任意一个彩色图像在空间域上的一个点，都是由一个三维的向量组成。

彩色空间域表示：f(x，y)＝(r，g，b)。

例如：f(20，30)＝(32，201，178)，表示一个横坐标为20，纵坐标为30的一个像素点，它对应的R、G、B颜色通道分别为32、201、178。

灰色空间域表示：f(x，y)＝t。

例如：f(20，30)＝50，表示同一个像素灰度值等于50。

彩色空间到灰色空间的变换公式如下所示。

灰度值＝0.21×r+0.72×g+0.07×b (式2.21)

将三维彩色图像转化成一维的灰色图像，即彩色图像灰度化。

图像二值化

单片机内部存储空间对于大多数简单通信、IO口控制以及检测绰绰有余，但对于音频、图像、视频等占用略显不足。基于单片机的这一特性，将图像二值化，有助于节省存储空间。同时二值化分析还有助于特征值的提取，为后期图像处理奠定基础。

二值化处理公式如下：

x表示像素点的横坐标，y为纵坐标。若某确定位置像素点灰度值高于阈值时，直接转化成白色，否则转化成黑色。

通过观察可知，阈值所选大小，将影响变化后图片的清晰度。为避免后续对图像进行解析时出现大面积失真，在进行灰度图像二值化处理时，需要对阈值选取进行调试。

图像颜色空间

RGB、HSV作为最常用的颜色空间，在图像识别中发挥重要作用。

①RGB颜色空间：RGB作为最常见的颜色空间表达形式，词面意思为红绿蓝三原色，三种颜色相互累加组成新的颜色；

大多数情况下，RGB颜色空间采用RGB888与RGB565。第一种使用24位三通道，例如0xFFFFFF，在设计中虽然精确度更高，但受限于32位单片机的处理速度。故使用16位三通道的RGB565；

RGB565相较于RGB888能大幅度加快图像处理速度，以配料车的蓝色区域分析为例，由于摄像头的采样速度受限于总线个数(采用8位并行总线采集)，故采用RGB565只需对数据取样两次即可完成。而RGB888总计需要三次才可完成。在320*240的7.68万个像素点的采样中，一帧可以多节约总计76.8K字节空间。

②HSV颜色空间：HSV分别对应色调、饱和度和明度，在计算机中具有加快调色效率、便于分辨等等优点。三个参数分别表示色彩值、色彩纯度、色彩明亮度。即单通道的亮度。但是在使用中需要注意色调中没有白色，需要由S、V(S＝0，V＝100)共同组成。

③RGB转HSV：在对图像进行分析时，如果直接对某一所需颜色进行定性分析，使用RGB会有较大困难，无法直接判断具体颜色特征，故需要使用HSV方式作为判断颜色的方式，因此涉及到RGB到HSV色相空间值的计算。

首先需要统一量纲。通常标准为色调：0°～360°；饱和度：0.0～1.0；亮度：0.0～1.0。为了便于观察，将饱和度、亮度扩大100倍计算，故有：

正六边形由三原色组成。其中MAX表示RGB色相空间中，相同权重下三者的最大值，同理MIN表示最小值。满足当MAX＝MIN时，对应RGB颜色空间的灰度色。观察正六边形色调规律，可以发现在每一个区域中色相值都有MAX＝255，MIN＝0，故60°/(MAX-MIN)即为各区域内色相的度数值，此时再乘色相差，可计算得出色调的度数。但是由于红色的色调区间在[-60°,60°]，会受(G-B)的符号影响，故分类讨论进行求解。

字符分割

字符分割是将一长串字符图像分割成单个字符，以便于后期逐一对字符进行处理。原理都是对字符间变化的特征值进行判断，理论上无论是汉字、字母还是数字，提取方法均相同。

图像放大算法

图像放大算法常用于图像后期处理。设计中，放大算法用于限定图像分析范围，方便二值化处理。对常用算法分别从图像细节是否出现大量损失、识别速度、整体合理性等多方面进行比较，最终采用插值算法进行放大。

邻近点插值算法作为执行速度最快，最简单的一种算法，其原理是摄取已知各点距离，选择最短的作为像素点值。未知点A与四角原像素点分别比较，最靠近点4，故直接取点A＝点4；

临近点插值算法在色彩种类较多情况下会带来明显的失真。但由于其运行速度快的优点，仍应用于在大多数场合。受限于单片机处理速度，设计仅考虑临近点插值算法。

远程控制技术

物联网概述

物联网将设备接入TCP/IP协议，可完成全球范围内信号接收与指令发送。在普通设备接入网络后，通过连接、发布、订阅等等方式可实现物品与网络连接。

物联网通信方式

工厂自动配料平衡车采用WIFI+近距离传输双通信方式。近距离通过蓝牙传输数据，远距离通过WIFI将数据上传至服务器，然后下发至接收客户端，接收客户端也可以远程操控配料车的工作状态。

互联网协议

TCP/IP协议主要包括链路层、网络层、传输层、应用层。链路层主要作用是实现设备之间的物理连接，包括Ethernet、Wi-Fi等等。网络层使用IP协议，包括IPv4/IPv6，子网掩码以及默认网关。传输层包括TCP、UDP两种协议，由于TCP协议内部存在三次握手、传输确认以及四次挥手，相较于UDP数据接收端更加稳定。应用层包括HTTP、FTP、mDNS、WebSocket、OSC等等。

ESP8266

ESP8266是一款功能丰富的无线设备。ESP8266数据链路层在利用Wi-Fi进行联网时，拥有三种工作模式，分别为接入点模式、无线终端模式以及混合模式。应用层使用HTTP协议。

(1)MQTT协议

MQTT协议的核心是消息的订阅和发布，它可以保证服务器与多客户端的稳定数据传输，具有独立、空间分离、时间异步等等特点。ESP8266使用该协议进行通信，易于实现、数据传输服务质量可控、占用带宽更小，同时传输数据内容不可预知的情况下，设备连接状态可知。

(2)连接服务端

工厂自动配料平衡车使用ESP8266模块，通过MQTT协议进行远程数据交换。在对数据进行发送和订阅前，需要连接配料车与服务端。

连接服务端首先需要客户端发送CONNECT包，内容包括重要客户端标识、名称、客户端账号及密码、遗嘱信息以及心跳时间间隔。然后服务端会向客户端发送CONNACK连接确认，包括当前会话及连接返回码，若返回码为0，则连接成功。

(3)发布、订阅

完成客户端与服务端的连接后，可以通过发布消息与其他客户端相连，其中每条发布的MQTT报文必须包括一个主题。发布报文内容包括主题名称、服务质量等级、保持标志、发布具体内容以及重复发送标志位。

以MQTT.fx软件模拟设备的通讯流程，使用然也物联提供的免费服务器地址与端口。在MQTT.fx与ESP8266-NodeMCU两端分别建立不同的客户端，连接成功后通过订阅chwulian/led_kz主题，可以观察到，当ESP8266-NodeMCU发送信息时，订阅该主题的客户端接收到信息。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。