基于摄像头的最佳道路识别及赛车控制算法 飞思卡尔

基于摄像头的道路识别及赛车控制算法

杨运海周祺吕梁

摘要：本文探讨了摄像头在智能车道路识别中的应用，并提出了一种通用的控制算法。在准确采集图像的基础上，利用临近搜索法对有效道路信息进行快速提取，通过分析赛道信息，计算出赛道黑线的走向趋势及赛车当前位置。在充分考虑当前和过去的赛道信息的基础上，对赛道类型进行判断及分类。在综合考虑赛道类型，黑线走向及车当前位置，对舵机的转向和电机的速度进行精确控制。

关键词：图像采集；临近搜索；转向控制，速度控制

1．概述

在飞思卡尔智能车汽车比赛中，路径识别方法主要有两大类，一类是基于红外光电传感器，令一类是基于摄像头。通常，红外光电传感器安装灵活，原理简单，可靠性好，不易受环境光干扰，因而得到了广泛应用，但其对前方道路的预判距离非常有限，不适宜赛车高速行驶。另一类是基于摄像头，与光电传感器相比，其优点非常明显，能提前获取大量前方道路信息，有利于实现赛车的最优控制。但其缺点是图像采集要求有高的AD转换频率，图像处理算法复杂度高，且容易受环境光的干扰。考虑到摄像头的优点远大于其缺点，因此选择了摄像头。以下是摄像头的工作流程图：

图B-1 摄像头工作流程

摄像头控制赛车行驶方案有三大模块：图像采集、赛道信息提取、转向和速度控制。

2．图像采集

考虑到S12的运算能力，我们采用了黑白制式、320*240的CMOS单板摄像头。摄像头出来的是模拟信号，每秒有50场图像，场之间有场消隐信号，行之间有行消隐信号，经过lm1881分离后，可得到场同步信号和行同步信号，作为行中断信号。由于行中断中要采集该行的信号，对时间要求很严格，其中断优先级应比普通中断的优先级高，因此我们选择IRQ作为行同步信号输入口，PT0作为场信号输入口。此外，为保证图像不丢失，我们仅对场信号的下降沿进行捕捉。

图B-2 摄像头视频信号

按照目前车的刹车时的加速度，我们选定图像拍摄最远处为前方1米就足以对速度做出了控制。考虑到前轮到前方20cm为摄像头的盲区，故有效拍摄范围为0.8m，为了保证不丢失起跑线，每2.5cm至少拍摄一行，故一幅图像至少采集32行。为了稳妥起见，我们选择了ROW=45行。摄像头最前方拍摄的宽度为80cm，而黑线宽度为2.5cm，故一行至少采集32，为了稳妥起见，一行采集的点数定为COL=45个点。

正常情况下，S12的AD频率不能超过2M，转化一个点需要14个周期，如果不超频，一行将只能采集8个点（24M主频时）。将分频系数设为0，此时AD 频率为12M。在行采集过程中，我们通过查询方式来判断AD是否转换完成，并对AD转换时间进行了记录，发现记录到的时间恰是期间指令执行一次的时间，这表明，影响一行采集的点数已不是AD的频率，而是执行指令的时间，因此采集过程中不需要查询A TDSTA T0的标志位，只需要通过执行一定数量的NOP空操作指令延时即可。例如采集47个点需要时，每个点的时间间隔是53us/47=1.125us，对应的指令周期数为1.125*24=27。通过反编译知读写等指令本身有13个指令周期，故令加14个NOP指令即可实现。

由于摄像头的角度关系，拍摄是不均匀的，而是前方疏，近处密。为了保证采集的均匀，采集的行之间间隔的行数就不能相同。摄像头的有效行数为285行左右，具体关系如下表：

行采集计数器line 摄像头行计数器row 备注

0 0 每3行采集一行

1 3

2 6

3 9

4 12

5 15

6 18 每4行采集一行

7 22

8 26

9 30

10 34

11 38

12 42 每5行采集一行

……

…… ……

n i*(3*i+15)+(i+3)*(n%6) 其中i=n/6

每i+3行采集一行 图像采样基本思路是行中断服务程序开启行中断，在行中断中对每行的采集作计数，当达到预定的行数时表示一幅图像采集完，此时关闭行中断，置位图像缓冲区已满标志，并对各个技术器进行清零，以准备下一幅图像的采集。具体流程如下图 图B-3 场中断流程图

当黑线位于中心时，将采集到的数据通过串口发送至PC 并利用MA TLAB 还原，对应部分波形如下图，其中，星号表示一行的结束。与示波器的波形对比，采集效果非常好。

图B-4 行中断服务程序流程图

图B-5 采集到的数据（*号与*号之间表示一行）

当车位于起跑线时，拍摄效果如图4所示。

图B-6 46行*47列时起跑线拍摄效果

3．黑线提取

考虑到赛道黑线是连续的一条线，我们采用邻近搜索法将有效黑线段搜索出来，以便对速度和转向进行控制。该算法的最大优点是不易受干扰，只要黑线是连续的就能正确的提取出来。此外其算法复杂度非常低，因为只对有效黑线及其附近的点进行识别，提取一幅图像黑线最大时间（全部有效时）为1.7ms，而采集一幅图像需20ms，除了1/6时间用来采集数据之外，还剩16ms 的时间，足以用来提取黑线及控制舵机和电机了。本算法搜索方向是从底部到前方（即由近及远），其关键之处在底部第一个黑线中心的提取。考虑到稳定性，底部第一个黑点的搜索以相邻3行作为考察对象，并从第二列开始，到倒数第二列，通过比较，找出其最小值，若最小值满足黑线对应的AD值，则第一个黑线的中心搜索完毕，否则重复上述步骤，直到搜索到黑线或图像

的第一行。找到底部第一个黑线中心后，接下来就是在该点的左右共7个点的范围内进行搜索，找出其中的最小值，并一该点作为新的黑线中心，然后重复搜索下去，直到发现所得最小值大于某个值（如50，这意味着最黑的点已不是黑点，即黑线结束），或者黑线的中心已到图像边沿（此也意味着黑线将要结束）。在此过程中，将所得到的黑线中心坐标保存到path数组中，至此图像有效信息已全部提取出来了,详细提取流程图如图5.8所示：

图B-7 黑线提取流程图

原先没有采用三行每列相加，搜索示意图5.9所示，那么如果图像采集出现小问题，连续的黑线在某处断开，那么黑线搜索在该处就停止了，导致有上段黑线信息丢失。为了防止这种情况，我们想到了，在黑线提取之前对图像进行滤波处理，三行每列相加求平均，思想等同于中值滤波。但是如果这样，也就意味着要对图像处理两遍，效率太低了。这样我们想到，不妨在对图像滤波处理的同时也对黑线进行提取，那么就有了现在的提取算法，示意图如图5.10。