基于cmos摄像头的自动循迹小车设计

第32卷第1期2020年3月
宁波工程学院学报
JOURNAL OF NINGBO UNIVERSITY OF TECHNOLOGY
Vol.32No.1
Mar.2020
DOI：10.3969/j.issn.1008-7109.2020.01.005
基于CMOS摄像头的自动循迹小车设计
陈张景宣，王峰，姚晓磊，何金宝
（宁波工程学院电子与信息工程学院！浙江宁波315211）
摘要：针对目前自动循迹小车在运行过程中需要特定轨道#无法自动判别实时现场环境的问题#提出了一种基于CMOS摄像头的自动循迹小车设计方案。

自动循迹小车以CMOS摄像头为图像检测装置，实时捕获并提取背景图像的特征，根据获取图像的特征计算循迹小车的转向角度，同时采用PID控制理论算法完成循迹小车的转向控制$循迹小车的车速控制采用增量式PID的速度控制算法$结果表明，基于CMOS摄像头的自动循迹小车在功能上能够完成多种路径下的自动行驶，为智能驾驶技术提供了有效的借鉴$
关键词：自动循迹；CMOS摄像头；图像采集；图像识别
中图分类号：TP23文献标识码：A文章编号：1008-7109（2020）01-0026-06
Design of Automatic Tracking Car Based on CMOS Camera
CHEN ZHANG Jingxuan,WANG Feng,YAO Xiaolei,HE Jinbao*
(School of Electronics and Information Engineering,Ningbo University of Technology,Ningbo,
Zhejiang,315211,China)
Abstracts:In view of the problem that the current automatic trailing trolley,failing to distinguish automatically the real-time field environment,needs a specific track in the running process,a design scheme based on CMOS camera is proposed.With CMOS camera as the image detection device, the automatic trailing trolley captures and extracts the characteristics of the background image in the real-time,calculates the steering angle of the trace car according to the characteristics of the acquired image,and uses the PID control theory algorithm to complete the steering control of the trailingO trolley.O TheO speedO controlO ofO theO trace-followingO trolleyO adoptsO theO speedO controlO algorithmO ofO incrementalO PID.O TheO resultsO showO thatO theO automaticO trailingO trolleyO basedO onO CMOSO cameraO canO completeO theO automaticO drivingO underO aO varietyO ofO pathsO inO termsO ofO function,O whichO providesO anO effectiveO referenceO forO intelligentO drivingO technology.
Keywords:automatic tracking,CMOS camera,image acquisition,image recognition
0引言
随着人工智能技术和物流产业的快速发展，具有自动行驶功能的小车越来越多的出现在人们的视野中。

传统的智能小车需要特定的运行轨道才能够行使，具有很大的局限性"为解决智能小车运行环境
收稿日期：2019-12-16修回日期：2020-02-06
通信作者：何金宝（1977—），男,湖北黄石人,博士,副教授,主要从事控制理论研究,E-mail:perfecthjb@
27宁波工程学院学报2020年第1期
复杂的问题,本文提出了一种基于CMOS摄像头的自动循迹小车的研究与设计方案。

该摄像头可实时采集路径信息，提取小车前方的路径作为判断行驶方向的依据，完成自动循迹过程。

1硬件系统设计
1.1智能车车模
本次设计采用的车模结构采用后置驱动电机前置转向舵机的车模结构，其车模如图1所示。

图1设计所采用的车模示意图
该车模是后轮驱动形式，电机型号为540电机，控制转向的舵机型号为S-D5。

控制采用前轮左右转向，后轮驱动的策略，行驶方向为转向轮在前，驱动轮在后。

在机械设计的过程中发现原有的结构并不完善，针对这些地方进行详细的分析，最终对原有结构进行了一些调整，包括:前轮倾角的调整、齿轮部分调整和舵机倒置安装［1-21o
1.2系统总体框架
硬件方案设计主要从系统的稳定性、可靠性、高效性、实用性等方面来考虑。

硬件部分主要由32位ARM处理器MK60FN1M0VLQ15,复位及晶振电路，电源分配管理模块，赛道信息采集模块，电机驱动部分和舵机驱动电路组成。

硬件设计如图2所示。

图2系统结构图
1.3图像采集模块
自动寻迹小车采用摄像头OV7725作为图像传感器。

OV7725图像传感器芯片是一款低压CMOS
陈张景宣等:基于CMOS摄像头的自动循迹小车设计28
芯片，能够在较小芯片面积上提供完整的VGA信号，最大通信速率可以达到每秒60帧。

处理器与OV7725通信采用标准串行摄像机控制总线（Serial Camera Control Bus,SCCB:接口［叫摄像头型号及安装角度和位置如图3所示。

图3摄像安装角度及位置
1.4电源管理模块
电源管理模块采用的设计思路是分开管理，各个模块电源独立设计，互不干扰。

小车需要用的电压等级有：给MCU芯片，摄像头模块，液晶显示模块和1/0扩展接口模块供电的3.3V电源；给编码器供电的5V电源；给舵机供电的6V电源；给电池供电的7.2V电源；给电机驱动芯片供电的12V电源。

根据小车所需要的电源模块，采用不同的电源管理芯片来设计。

12V电源采用MC34063升压芯片来处理〔5>;电池电压为7.2V，可以直接给电机供电°7.2V通过AS1015电源芯片可以降为5V，然后利用AMS1117-3.3芯片将5V转为3.3V。

各个电源模块的地采用磁珠连接，可以有效降低模块直接的共地干扰〔叫
1.5电机驱动模块设计
电机控制采用PWM控制电机的转速,PWM波的频率设定在10KHz。

PWM信号由K60芯片的FTM2模块的CH2，CH3，CH4和CH5通道输出。

四路PWM通道控制H桥的四个N沟道MOSFET开关管,完成电机的转速控制和转向控制叫为了增强驱动电机的能力，采用半桥驱动芯片IR2104S。

电机控制原理如图4所示。

图4电机控制电路图
29宁波工程学院学报2020年第1期2软件系统设计
完善的软件控制系统是自动循迹小车高速稳定运行的核心。

通过使用CMOS摄像头采集赛道信息，并对采集的图像进行矫正处理，以获取准确的道路信息。

通过分析采集到的图像数据，对智能车的转向和速度进行控制，使用经典PID控制算法，并结合实际情况不断完善修改，实现对自动循迹小车的精确控制。

2.1软件控制流程
软件控制流程如图6所示。

对系统的各功能模块进行初始化，然后按照各自设定的各子模块运行。

首先，进行硬件模块的初始化，包括:单片机内部用到的模块,如FTM、GPIO、PIT和ADC等;摄像头的初始化；对电机和舵机初始值的设置，给定两路PWM波控制电机的初始运转速和舵机的初始位置。

紧接着是对CMOS摄像头的处理，判断摄像头是否采集图像结束，如果没有结束继续采集，如果结束就进行图像处理。

图像处理主要包括赛道边界线的提取、图像的矫正、中心线的计算和路径的选取。

图像处理结束后，根据得到的中心线和摄像头实际中心的差值由PID控制算法计算出舵机的转向角度和电机的转速W自动循迹小车控制系统的总体框图如图5所示。

图5软件系统整体框图
2.2图像处理方法
OV7725摄像头内部电路将模拟图像转化为数字图像，每幅图像包括160*60个像素点，每个像素点代表一个采样数值阿。

图像从近处往远处看呈现梯形畸变，前段小，大约50c>,后端大，大约220cm o 采集到处理器中的图像数据为模拟量,利用灰度阈值来分别赛道的黑白度。

大于阈值的为白色,小于阈值的为黑色。

利用OV7725摄像头的行中断引脚和场中断引脚，图像可以分行采集也可以一次采集一整幅图像。

由于K60处理器具有比较强大的处理能力和宽裕的内存空间，本文采用整幅图像采集。

图像二值化以后，利用串口发送到上位机，可以直观的看到图像。

原始图像和二值化后的图像如图6所示。

陈张景宣等：基于CMOS摄像头的自动循迹小车设计30
图6OV7725原始图像和二值化后的图像
边沿检测的算法如下:首先，确定边沿检测的规则，即：如果从左往右检测到连续3个点为黑色，然后2个点为白色，就认为由黑色往白色变化的点为左边的边沿跳变点，记录其坐标;如果从左往右检测到连续3个点为白色，然后2个点位黑色，就认为由白色到黑色变化的点为右边沿跳变点$根据边沿检测规则，搜索最底部的三个有效行的边沿点。

如果搜索不到，则重新搜索最下面三行,直到找到为止。

如果搜索到，则根据前一个边沿的数据搜索下一行满足条件的边沿$记录下左边的边沿跳变点和右边的边沿跳变点$依次类推,就可以把整幅图像的左右边沿跳变点找到。

边沿提取算法的程序流程如图#所示$
图7边沿提取算法流程
左右边沿跳变点提取后，需要对其进行整理，主要是平滑滤波，去除变差过大的点。

计算赛道中心线，左右边沿跳变点的平均坐标值就是赛道中心线的坐标。

根据赛道中心线坐标和摄像头中心位置(80)的偏差来计算舵机的转向角度。

当图像中心位置比80小的时候,舵机应该往右打角；当图像中心位置比80大的时候，舵机应该往左打角$利用PID算法建立起舵机所需要转向的角度和图像中心线之间的比例关系$为了防止舵机打角过大，加入微分D环节来提前预防舵机过度转向$正如人的开车一样，在直道的时候可以速度快点，但是一旦要转弯，则先减速再打方向。

智能车控制的时候也是一样，判断为直道则加速，判断为弯道则减速$速度控制采用增量式
31宁波工程学院学报2020年第1期PI控制，可以控制速度输出的误差最小"
3结语
本文在对目前智能小车发展状况分析的基础上，从人工智能产业的需求出发，提出了基于CMOS 摄像头的智能循迹小车°所设计的小车能在无人干预的情况下完成车辆的自动驾驶，具有了较强的智能化算法，摆脱了智能小车对现场运行环境的苛刻要求°所设计的智能小车采用的处理器和图像传感器比较简单,其在使用具有一定的局限性，如对阳光等光线直射比较敏感°可以考虑采用功能更加强大的处理器平台和较高像素的智能摄像头来完成智能循迹小车的后期研究工作"
参考文献：
!1]卓晴，黄开胜，邵贝贝.学做智能车：挑战飞思卡尔杯[M].北京：北京航空航天大学出版社，2007:55-56.
!2]辛亮，郁武龙，黄荣宇.第十一届恩智浦杯全国大学生智能汽车竞赛兰州交通大学神舟队技术报告!R].兰州：兰州交通大学，2016.
[3]邱佳雄，李冰洋，尚超.第十一届恩智浦杯全国大学生智能汽车竞赛大连海事大学电航二队技术报告！R].辽宁：大连
海事大学，2016.
!4]李少伟，程辉，王胜正.智能车运动控制算法仿真与验证[J].电子测量技术，201&41(3):54-59.
!5]李旭东，廖中浩，孟娇.基于CMOS摄像头的智能车控制系统设计及实现[J].吉林大学学报(信息科学版)，2013, 31(4):414*411.
!6]王进，赵蕊，曹宝林，等.基于视觉的缩微智能车车道检测与控制[J].上海交通大学学报，2015,49(8):1159-1167. [7]BAI X Z,ZHOU F G.A unified firm of multi-scale top-hat transform based algorithms fbr image processing
[J].Optik-International Journal for Light and Electron Optics,2013,124(13):1614-1619.
[8]GECHETER F,CONTET J M,GALLAND S,et al.Virtual intelligent vehicle urban simulator:Application to
vehicle platoon evaluation[J].Simulation Modelling Practice and Theory,2012,24:103-114.
[9]CHAI L Q,GONG M F,LIU X C,et al.Implementation of Fuzzy-PID in Smart Car Control[J].Journal of
Measurement Science and Instrumentation,2010,1(S1):75-77.。