1、M ac hine B uildingA uto mation,O ct 2007,36(5:1315基于C MO S 傳感器的智能車路徑識別研究程亞龍,周怡君(東南大學機械工程學院,江蘇南京211189摘要:介紹了基于C MOS 傳感器的圖像采集與智能車賽道信息提取的方法。給出了邊緣檢測算法的程序流程圖,并采用加權最小二乘法擬合直線的方法,判斷當前賽道的信息。實驗表明,該方法簡便可靠,能夠滿足智能車路徑識別的需求。關鍵詞:C MOS 傳感器;圖像采集;邊緣檢測;加權最小二乘法中圖分類號:TP274+.5文獻標識碼:A 文章編號:167125276(20070520013203The Stud

2、y of Smartcar Track I den ti f i ca ti on Ba sed on the CMO S Sen sorCHE NG Ya 2l ong,ZHOU Yi 2jun(Schoo l o f M e cha n i ca l Eng i ne e ri ng,So u thea st U n i ve rsity,N an ji ng 211189,C h i na Abstract:This pap e r i n tr oduce s the e xtra c ti o n m e tho d ba sed o n the CMO S i m age sen

3、so r a cqu is iti o n a nd sm a rt ca r ra c i ng c ircu it i n 2fo r m a ti o n,gi ve s the p r o ce s s fl o w cha rt of the e dge de tec ti o n a l go rithm a nd u se s the w e i ghted li ne a r m i n i m um squa re s fitti ng m e thod t o j udge the curre nt tra ck i nf o r m a ti o n.Expe ri m

4、en ts show tha t the m e thod is s i m p l e a nd re li a bl e and can m e e t the Sm a rt C a rt Pa th R eco gniti o n dem and.Key words:CMO S se n so rs;i m age a cqu is iti o n;e dge de te c ti o n;w e i gh te d l e a st squa re s0引言路徑識別是實現智能車自主沿賽道運行的信息基礎,獲得范圍廣而精確的賽道信息是提高智能車運行速度的關鍵。路徑識別的方法主要有光電傳感

5、器和CCD /C MOS 攝像頭傳感器兩種方式。與光電傳感器相比,攝像頭傳感器具有較好的快速性、前瞻性,能夠感知智能車前方更遠距離的賽道變化,提取有效信息,從而為智能車快速、平穩的前進、轉彎以及制動控制提供更好的判斷依據1。為實現智能車的自主運行,需要預測前方道路信息并根據當前智能車與道路中心線的相對位置選取合適的行進路線,并根據電機和舵機的實際響應速度確定各種狀態下的最佳行駛速度。現選用C MOS 攝像頭傳感器采集數據并進行圖像處理,確定道路中心點,在此基礎上采用加權最小二乘法擬合判斷出前方道路信息,為合理選擇行駛路線、控制行駛速度提供依據。1路徑識別系統方案設計本方案采用JK309B 攝像

6、頭C MOS P AL 制式,每秒掃描25幅圖像,每幅又分奇、偶兩場,先奇場后偶場,每場圖像20m s 。有效像素為314×291,實際測試可知,每場圖像共292行,每行約68s,其中前14行為場消隱信號,每行的行同步脈沖持續時間也相同,約為4.7s 。攝像頭懸掛位置及視場如圖1所示。由主視圖可知,攝像頭最遠可以看到100cm,最近為30c m,加上圖像采集自身的每場20m s 的延遲,如此懸掛既有利于預先判斷彎、直道,又有利于轉向控制。由俯視圖可知,視場呈現近小遠大的趨勢,這就保證了智能車在彎道到可以看的更遠更寬。例如,智能車在彎道上出現過沖,黑線會出現在圖像的左邊緣附近;出現內切

7、,黑線會出現在圖像的右邊緣附近。此時,智能車可以根據黑線的位置調整轉向,使其回到黑線位置。硬件方面,利用LM1881分離視頻同步信號,MC9S12DG128內置的高速AD 轉換器進行圖像采集。軟件方面,利用S12的H 口中斷進行AD 轉換,通過邊緣檢測算法提取中心點,然后通過直線擬和獲得賽道信息進行控制 。圖1攝像頭懸掛位置2硬件電路設計2.1視頻分離電路LM1881可以實現視頻信號的分離,其電路圖如圖2所示。2腳為視頻信號輸入端;3腳和5腳分別為場同步、行同步信號輸出端;7腳為奇偶場同步信號輸出端。2.2C MOS 工作電壓電路JK309B 攝像頭的工作電壓為12V,利用MC34063升31

8、 htt p:ZZHD.chinaj ournal .net .cn E 2mail:ZZHDchainaj ournal .net .cn 機械制造與自動化壓電路來獲得攝像頭的工作電壓,如圖3所示 。圖2 視頻分離電路圖3M C34063升壓電路3軟件設計3.1圖像亮度調節及閾值選擇文中使用的C MOS 攝像頭自帶有自動白平衡及紅外補償。正常情況下,整幅圖像亮度比較均勻,直接采用同一閾值差進行中心線的邊緣檢測。我們分別選取2633之間各值作為閾值來對直道圖像提取中心點,其中提取錯誤的中心點個數如表1所示。因此我們選擇26作為閾值,實現可靠提取中心點。表1閾值提取錯誤的中心點閾值2627282

9、930313233錯誤點1234663.2圖像采集方案本系統的圖像采集方案為:圖像不分奇偶場,每場圖像從第15行開始采集,每采集一行即進行中心點提取,提取完后再隔9行采集下一行圖像數據。如此循環,一共采集20行圖像并提取中心點,之后進行直線擬合,用于智能車的各項控制。此方案可以避免采集到場消隱和行消隱信號,采集到的圖像約為整幅圖像的3/4,約15m s,剩余的5m s 可以用來做控制。S12單片機總線頻率經P LL 鎖相環倍頻到32MHz,每行可采集 65個有效點,有效像素為65×20,利用MFC 編譯的圖像軟件,通過串口通信可以觀察采集到的圖像信息。直道和S 道的灰度圖像分別如圖4

10、和圖5所示。觀察可知本方案采集到的圖像完全可以代替整幅圖像進行賽道信息提取,既節省了時間和單片機資源,又滿足控制要求,不失穩定性。3.3中心點提取考慮到比賽現場燈光變化引起賽道圖像灰度變化的圖4直道圖像圖5S 道圖像情況,本系統采用邊緣檢測算法實現中心點的提取,只需選定黑白閾值差即可適應燈光的變化,穩定性較好。但由于噪聲干擾的影響,某些背景像素可能會被提取為黑線,考慮到噪聲干擾的像素數目一般比較小,通過限定提取到的黑線寬度,并取灰度值最低的點為黑線。如此可有效地排除干擾。邊緣檢測算法的程序流程圖如圖6所示。4基于直線擬合的路徑識別實現考慮到控制的需要及算法的簡練,本方案在賽道中選41M ac

11、hine B uilding A uto mation,O ct 2007,36(5:13 15圖6邊緣檢測算法的程序流程圖取最少5個中心點作為控制點,采用加權最小二乘法擬合一條直線。通過改變加權因子的大小就可以改變相應中心點在擬合直線中所占的權重。由擬合直線的斜率可以判斷當前智能車與賽道的夾角,由直線的截距可以判斷智能車與賽道的偏離情況 。圖7參考坐標系由于穩定狀況下賽道為垂直位置,為方便描述,我們選取如圖7所示坐標系,圖中離散點為直道入彎時提取到的黑線中心點。實際擬合時根據設定系數的不同,相鄰中心點在X 軸上的間距是可變的。設直線方程為y =ax +b ,則斜率a 很小甚至為零。根據中點坐

12、標(x k ,y k 及加權因子d k 可得擬合殘差平方和為=nk =1dk(ax k +b -y k 2系數a 和b 為:a =d kx ky k×d k-d kx k×d kykd k x 2k×d k -(d k x k2b =d k x 2k×d k y k -d k x k y k ×d k ykd k x 2k×d k -(d k x k 2由系數a 可以計算出當前智能車與賽道的夾角,由系數b 可以得到當前智能車與賽道的相對位置。我們利用Labview 編譯的圖像軟件,通過無線通信來觀察智能車的行駛參數。圖8所示即為智能車

13、在賽道上行駛一圈所紀錄到的每場圖像的a 、b 值(曲線1為a 值,曲線2為b 值。由圖8可以看出a 、b 值在直道、大彎道、小彎道和S 道上的變化還是很明顯的。因此通過a 、b 值或其線性組合可以用來預先判斷彎、直道,實現提前加速減速功能,也可作為舵機轉角的輸入量,實現彎道的內切通過 。1表示a 值;2表示b 值圖8智能車行駛一圈所紀錄的a 、b 值按照此法進行控制,我們的智能車在校內比賽賽道(全長38m 上的最好成績為14.2s 。5結論介紹了基于C MOS 圖像傳感器的圖像采集與處理,實驗證明在圖像預處理的基礎上使用加權最小二乘法擬合直線來識別賽道,控制點少,計算量少,抗干擾能力強,能夠為智能車的可靠運行提供依據。考慮到智能車整個電路部分的高頻信號對攝像頭工作性能的影響,以及賽道內外雜點對圖像采集的影響,應該加入一定的濾波處理,使圖像更加穩定、可靠,從而提高智能車控制的可靠性。參考文獻:1卓晴,等.學做智能車:挑戰“飛思卡爾”杯M .北京:北京航空航天大學出版社,2007.2邵貝貝.單片機嵌入式應用的在線開發方法M .北京:清華大學出版社,2004.3楊國田,等.摩托羅拉68HC12系列微控制器原理,應用與開發關系M .北京:中國電力出版社,2003.4Freescale Se m ic