有了这些曲线，便可以根据传感器电压，来计算各传感器与赛道中心标记线之间的距离，进而得到连续分布的路径信息。在算法编写过程中，需将上述得到的传感器特性曲线参数写入程序，作为数据库进行保存。

　　(2)预标定

　　考虑到赛道差异以及传感器温漂对传感器电压整体变化产生的影响，每次赛车出发前需要进行赛道预标定，从而为下面算法路径识别部分中的归一化处理提供准确的归一化基本参数。

　　在标定过程中，赛车处于停车状态，但传感器及其电压A/D转换通道仍在工作，单片机不断记录读入的电压值。在赛道上移动赛车使其所有传感器均能扫过白色的路面以及黑色的赛道标记线，这样单片机就能记录下在该赛道上道路传感器的电压最大值(白区电压)以及最小值(黑区电压)，为算法中的归一化处理提供基本参数。

　　(3)路径识别

　　路径识别(即路径信息获取)为控制算法的核心内容，各步骤在单个决策控制周期内完成。

　　首先，在每个决策控制周期中，通过A/D转换将传感器电压转换为数字量读入单片机中。

　　然后，利用在标定过程中得到的传感器电压最大、最小值将得到的传感器电压进行归一化处理。

　　下面需要确定能够用于确定路径信息的有效传感器。从原始传感器特性曲线中不难看出，曲线在低电压值处的直线度较好，斜率较大，与我们所选取的分段直线模型较为近似，而在高电压值处则有较大偏差，因此为了保证路径信息准确性，需要对传感器信息进行筛选，选用那些所得电压值百分比较小，即与黑色赛道标记线相距较近那些传感器。例如可以选择电压百分比最小的三个传感器作为有效传感器。

　　接着，就需要调用传感器特性曲线参数进行路径信息计算。从特性参数数据库中调用先前确定的有效传感器的陡升段斜率，传感器中心位置等参数信息。然后根据这些参数以及传感器电压百分比，就可以计算由每一个有效传感器得到的车身中心位置偏离路径标记线的距离。

　　最后，为了能够提高路径信息的准确性，减小单个传感器探测及数据转换的误差，可以将根据三个有效传感器计算得到的三个偏移距离取平均，得到较为准确的路径信息。

　　值得注意的是，这样得到的路径信息是车身中心偏移路径标记线的距离，是一个连续变化的量，不但能在传感器处于赛道标记线正上方时探测到赛道，也能在传感器偏移标记线时给出具体的偏移距离，因此消除了传感器间隙的“盲区”，实现了连续的路径识别。

　　问题及展望

　　连续路径偏差识别算法比起普通离散算法来说，不但具有定位精确、响应连续的特点，而且从理论上来说连续算法可以在任意数目传感器配置的控制系统中都保证较好的路径识别效果，为控制的流畅性提供了可能。

　　同时需要指出的是，采用该算法时硬件设计上需要注意一些相关问题：

　　(1)需要根据实际路径标记线宽度，以及传感器离地高度选择合适的光电传感器。具体来说，为了保证分段线性模型的准确性，最好选择那些传感器电压—偏离距离特性曲线中陡升段斜率较大的传感器，但同时若斜率过大，又将使得传感器最低到最高电压变化的距离范围过小，从而降低传感器信息的探测宽度。另外，尽量选用特性曲线无平台的传感器，以免影响路径识别准确性并给算法处理上带来麻烦。

　　(2)为了保证算法的简单，使所有传感器能够共用一个分段线性模型，最好能够保证所有传感器的均一性，即所有传感器的特性曲线都具有大致相同的形状。这一点实际上很难做到，但若设计时稍加注意，如对元件进行分级筛选，仍可以部分改善问题，给算法实现上带来方便。