摘要：智能循跡小車(chē)可以根據(jù)前端攝像頭的輸入圖像識(shí)別出道路狀況，通過(guò)優(yōu)化智能車(chē)的軟硬件設(shè)計(jì)，能夠確保其在不同環(huán)境下行駛的快速性和準(zhǔn)確性，本文以Kinetis60為核心處理器，完成了智能車(chē)路徑檢測(cè)、速度檢測(cè)、數(shù)據(jù)傳輸模塊、電機(jī)舵機(jī)驅(qū)動(dòng)模塊的設(shè)計(jì)與實(shí)現(xiàn)，并在此基礎(chǔ)上提出了一種利用攝像頭實(shí)時(shí)圖像進(jìn)行智能車(chē)循跡判斷的方法，能夠提取出精確的路徑特征信息，實(shí)踐證明該方法具有可行性。

隨著智能交通系統(tǒng)的廣泛應(yīng)用，智能車(chē)的系統(tǒng)控制也逐步成為一項(xiàng)新興技術(shù)，該領(lǐng)域涵蓋了控制、模式識(shí)別、傳感技術(shù)、電子、電氣、計(jì)算機(jī)、機(jī)械等多個(gè)學(xué)科。本方案采用攝像頭作為信號(hào)采集的傳感器，根據(jù)攝像頭采集的圖像進(jìn)行精密計(jì)算，確定速度參考和舵機(jī)轉(zhuǎn)向參考。攝像頭組的智能車(chē)對(duì)于道路信息預(yù)測(cè)能力強(qiáng)，而且攝像頭對(duì)道路的探測(cè)精細(xì)，視角范圍大，因此受到眾多智能車(chē)設(shè)計(jì)者的歡迎。但攝像頭圖像受周?chē)饩€的影響大;算法運(yùn)算量大，算法復(fù)雜，需要占用較多的NCU資源，因此其中圖像識(shí)別算法的設(shè)計(jì)成為系統(tǒng)設(shè)計(jì)的關(guān)鍵步驟。

1 系統(tǒng)設(shè)計(jì)

智能車(chē)系統(tǒng)由核心處理器KINETIS60、路徑檢測(cè)模塊、起跑線檢測(cè)模塊、車(chē)速檢測(cè)模塊、電源模塊，無(wú)線數(shù)據(jù)傳輸模塊、電機(jī)驅(qū)動(dòng)模塊、舵機(jī)驅(qū)動(dòng)模塊組成。其中攝像頭組的路徑檢測(cè)模塊由OV7620攝像頭實(shí)現(xiàn)。

車(chē)速檢測(cè)模塊由編碼器構(gòu)成，實(shí)現(xiàn)速度的實(shí)時(shí)采集。電機(jī)驅(qū)動(dòng)模塊由八片IRF3205構(gòu)成H橋來(lái)實(shí)現(xiàn)。電源模塊由三塊LM2940組成。舵機(jī)使用S-D5連接至PWM引腳，起跑線檢測(cè)模塊由兩個(gè)TCRT5000以及一個(gè)LM339組成。無(wú)線數(shù)據(jù)傳輸通過(guò)NRF24L01進(jìn)行數(shù)據(jù)傳輸。

智能車(chē)由路徑傳感器采集得到前方道路的圖像，從中提取出有用信息，判斷所處的跑道類(lèi)型(直道，大彎道，S彎道)，確定小車(chē)的舵機(jī)轉(zhuǎn)向及車(chē)速。從而通過(guò)電機(jī)和舵機(jī)驅(qū)動(dòng)小車(chē)流暢地在跑道上行進(jìn)。系統(tǒng)框圖如圖1所示。

2 軟件算法總體設(shè)計(jì)

本方案中，以IAR為開(kāi)發(fā)工具，系統(tǒng)軟件設(shè)計(jì)包括以下幾個(gè)方面：系統(tǒng)初始化、視頻圖像信號(hào)采集、小車(chē)的方向(舵機(jī))控制和速度(電機(jī))控制。系統(tǒng)軟件流程罔如圖2所示。

3 圖像采集

OV7620是CMOS彩色/黑白圖像傳感器。它支持連續(xù)和隔行兩種掃描方式，VGA與QVGA兩種圖像格式;最高像素為664×492;數(shù)據(jù)格式包括YUV、YCrCb、RGB3種，能夠滿足一般圖像采集系統(tǒng)的要求。

由于芯片處理能力不足以達(dá)到PC的運(yùn)算能力，因此本方案采用了黑白攝像頭，由于受片內(nèi)總線頻率的限制，每行能夠采集到的點(diǎn)數(shù)有限而且圖像質(zhì)量很差，并且會(huì)占用CPU大部分的時(shí)間，所以我們采用了K60自帶的DMA進(jìn)行數(shù)據(jù)采集，實(shí)踐證明，DMA能夠采集到絕大多數(shù)的點(diǎn)，并且圖像質(zhì)量很好。

為了更好的檢測(cè)黑線中心位置，要保證單行上有足夠的點(diǎn)，為了提高處理速度，可適當(dāng)降低采樣行數(shù)，綜合了以上條件，最終決定采用100行信息進(jìn)行方向判斷，每幅圖像大小限定為180×100。

4 圖像識(shí)別

攝像頭智能車(chē)系統(tǒng)是否能辨識(shí)正確的方向的關(guān)鍵就是其中的圖像識(shí)別算法的設(shè)計(jì)，在本算法中根據(jù)采集來(lái)的圖像，首先進(jìn)行圖像二值化，然后再對(duì)二值化后的圖像進(jìn)行去噪處理，得到只含有賽道黑線的圖像，再對(duì)圖像進(jìn)行圖像識(shí)別，根據(jù)設(shè)定的閾值進(jìn)行方向識(shí)別，得到的結(jié)果送至舵機(jī)控制模塊進(jìn)行舵機(jī)的方向控制。基于圖像識(shí)別算法的路徑識(shí)別流程圖如圖3所示。

4.1 黑線提取

二值化是一種廣泛使用的圖像分割技術(shù)，它利用了圖像中要提取的目標(biāo)物與其背景在灰度特性上的差異，把原圖像變?yōu)閮H用兩個(gè)灰度值表示的圖像目標(biāo)物和背景的二值圖像，考慮到所采集的圖像目標(biāo)物(黑色中心線)與背景(白色跑道)的灰度值差異比較明顯，采用固定閾值法進(jìn)行圖像的二值化。二值化的實(shí)現(xiàn)是由下面的公式來(lái)實(shí)現(xiàn)：

式中g(shù)(x，y)為二值化結(jié)果;T為閾值，f(x，y)為原圖像的灰度值。

本方案采用固定的閾值進(jìn)行圖像二值化，因?yàn)閱纹瑱C(jī)沒(méi)有足夠的時(shí)間進(jìn)行動(dòng)態(tài)閾值計(jì)算。因此要確定一個(gè)合理的算法來(lái)確定一個(gè)固定閾值，小車(chē)在不同光照條件下的圖像閾值不同，因此小車(chē)每一次啟動(dòng)時(shí)計(jì)算一次固定閾值，如圖4所示。

4.2 舵機(jī)及電機(jī)控制算法

提取出圖像的中心線以后，需要根據(jù)中心線的位置，來(lái)判斷賽道的類(lèi)型，區(qū)分直道、S型彎道和左轉(zhuǎn)彎和右轉(zhuǎn)彎。利用攝像頭識(shí)別道路在識(shí)別性能方面具有優(yōu)勢(shì)，相對(duì)于光電和電磁傳感器，可以有較遠(yuǎn)的前瞻距離，賽道信息不是根據(jù)單行數(shù)據(jù)來(lái)判斷，而是根據(jù)每幅圖像的多行信息來(lái)判斷。根據(jù)前述，每幅圖像采用80行的信息進(jìn)行判斷。

根據(jù)二值化圖像的結(jié)果，以圖像重心為界，分別計(jì)算邊界左右側(cè)白點(diǎn)數(shù)目和(式2、式31，然后對(duì)左右側(cè)白點(diǎn)數(shù)和leftSum，rightSum做差，然后對(duì)差值除以行數(shù)，得到賽道偏移量(式4)，根據(jù)偏移量centerAVG大小，centerAVG的大小基本上可以判斷當(dāng)前賽道情況，根據(jù)賽道情況，對(duì)centerAVG乘以不同的系數(shù)k(式5)，得到舵機(jī)值(式6)，然后進(jìn)行方向控制。

5 結(jié)論

文中提出一種基于攝像頭的智能循跡車(chē)的設(shè)計(jì)及實(shí)現(xiàn)方法，處理簡(jiǎn)單，占用MCU資源少，執(zhí)行效率高。文中提到的算法在具有本文特征的其他賽道上也可以使用。通過(guò)多次實(shí)踐，算法正確識(shí)別率達(dá)93%以上，在實(shí)際的大學(xué)智能車(chē)競(jìng)賽中被多次采用，并取得優(yōu)異成績(jī)。但攝像頭的高度和角度還需要進(jìn)一步的試驗(yàn)、調(diào)整以得到更好的圖像采集效果，算法仍需進(jìn)一步優(yōu)化，以提高系統(tǒng)的穩(wěn)定性。