基于摄像头智能车典型路径图像识别算法研究

Journal of Lanzhou Institute of Technology

Vol.24 No.lFeb.2017

文章编号= 1009-2269(2017) 01-0069-04

基于摄像头智能车典型路径图像识别算法研究

李万敏1>2,韩致信\\赵耕云2

(1.兰州理工大学机电工程学院，甘肃兰州730050;2.兰州工业学院汽车工程学院，甘肃兰州730050)摘要：针对智能车常规设计中识别路径黑色引导线而引起提取路径信息量及误识别等问题,设计了 一种以黑线为截止边界线，以白色路径线为引导线的智能车图形识别算法，并对起跑线、黑色障碍 等典型特殊路径识别算法进行了优化.与传统的路径识别算法相比，该算法提取路径信息更为准 确，对智能车方向控制更为灵敏精确，使智能小车在多种类型路径下更为快速而平稳的行驶.关键词：智能车;路径识别；控制算法中图分类号:TP23

文献标志码:A

速度检测模块构成硬件系统.数字摄像头OV7620 采集路面图像信息[3]，并传送至核心控制器

MC9S12XS128处理，实现白线路径信息提取识别

0

引言

智能小车是一个微型版的无人驾驶汽车仿真,

在组成和信息提取、信息处理控制系统以及控制方 案的设置上和真车有诸多类似而极具参考价值.智 能小车为无人驾驶汽车提供了系统性的实验平台. 智能小车的应用涉及诸如运动控制、传感器技术、 新材料与新能源开发、电子电气等高科技领域内众 多先进技术[|2],对减少交通事故、发展电子化、信 息化、网络化智能交通等方面有积极作用.本文采 用的智能车以飞思卡尔智能车竞赛为背景，以单片 机MC9S12XS128为核心控制单元，以直流电机为 驱动装置，以舵机控制转向，使用数字摄像头

OV7620对两条黑色引导线中间的白色赛道进行

运算后，控制电机和舵机转向.电机的转速和舵机 转角使用PWM模块控制，车速信号使用脉冲累加 器采集.

图1

1.2

系统结构图

电池管理模块

本设计系统中智能小车供电电源采用规格为

图形识别.本文通过改进识别算法来提取循迹路径 信息，使智能小车在具有特殊路径的白色赛道上快 速平稳的行驶.

7.2 V，2 000 mAh的充电电池[4].为保证智能车有 充足动力，电机驱动模块由电源直接提供7.2 V电 压，其余如单片机、图像采集模块、舵机转向模块、 速度检测模块等通过芯片LM2940将电压降为5 V 后供电使用，另使用AMS1117芯片为显示屏提供3.3 V 电压[5].1.3图像采集模块

图像采集模块使用 OV7620 数字摄像头作为

1

1.1

硬件系统设计

总体框架

系统硬件总体框架如图1所示.智能车核心控

制器采用MC9S12XS128单片机，以电池管理模块、 图像采集模块、电机驱动模块、舵机转向模块以及

收稿日期：2016-10-14

作者简介：李万敏（ 1984-),男，甘肃永登人，讲师，硕士生.

• 70 •兰州工业学院学报第24卷

图像采集传感器.OV7620数字摄像头分辨率可达 到0x480,传输速率最高可达到30帧，支持连续 和隔行两种扫描方式.本设计中采用隔行扫描的方 式，以该摄像头的最高分辨率在黑白模式下采集黑 白赛道上的图像点，将图像点的灰度输出为对应电 压值，得到视频信号,然后转化为可供单片机识别 的数字信号[6].设计当中应针对图像清晰度与单片 机处理速度进行优化计算，每场采集数据点数为 定了智能车在赛道上运行时的快速稳定效能.如果 路径识别算法可靠，代码简洁,抗干扰能力强，则智 能车更加“智能”.这部分是整个智能车软件部分的 核心.

本文采用“逐行逐点扫描法”寻找赛道的中线. 标准赛道在摄像头图像中如图3所示.在图中可以 看出，白色赛道犹如一个较宽的引导线，只要检测 出这个“引导线”中线所在位置就可以找到赛道中 120x40 个.

1.4电机驱动模块

本文直流电机驱动电路采用飞思卡尔公司生 产的电机驱动芯片MC 33886.MC 33886是全桥的 电机驱动芯片，输出电流可以达到5 A,可以实现 电机PWM调速，正反转,制动等实时控制功能.并 具有过流，欠压和温度过高自动保护以及故障状态 提示等优点.驱动电路如图2所示.

U1

LGNDNC20

PWM0

FSIN219 PWM14

IND118V1 +

J

5V+

1CCP171\"16 V1 +

6OIIT11

700UT215mjT2上n牛C2

8

0UTUT110UT214 1NCD21VCC lil

10

PGNDPGND13 ’ PGND

PGND

11 2,

MC33886

-^=r图2 MC33886电路图

1.5舵机驱动模块

本文采用了额定工作电压为5 V的S 3010型 舵机，通过将舵机电压在允许范围内提升至6.5 V, 得出其动作速度（0.14±0.02)s/60°,舵机的反应时 间更加灵敏，转向灵活，使智能小车进人S弯适应 快速、循迹通过.舵机的控制依靠单片机输出的

PWM信号，在试验中，将控制舵机动作的PWM脉

冲频率优化至120 Hz,大幅提升了舵机PWM的控 制周期，在有效保证了转向控制精度的基础上，使 舵机灵敏度更高.

2

智能车软件系统设计

2.1路径信息识别算法

图像信息采集与数据处理是该智能车控制系 统核心部分之一.图像数据处理和路径识别算法决

线所在位置.运用“逐行逐点扫描法”从整场图像最下端一行图像的最左端开始扫描，当出现连续的4 个白色像素点时就开始记录,直到检测出黑色像素 点，则这些白色像素点就形成一个“白条”，根据在 这个白条中的第一个白点和最后一个白点的位置, 计算出这个白条的长度和中心位置.设第一个白点 位置为^,最后一个白点位置为A,则白条宽为 (Z2-ZJ,白条中心点位置为（Zi+(Z2-Zi)/2); 之后，继续以同样的方法扫描，直到将本行扫描完 毕.之后，计算每个白条的中心点与当前视野中线 的差值,取差值最小的那个白条的中点作为本行白 色“引导线”的中心位置.再扫描后一行，即图像中 的上方一行,扫描方法相同，只是在此行中,扫描出 的各个白条的中心点与前一行的白色“引导线”的 中线位置做差值,而不是当前视野中线.以后每行 图像扫描与此行相同，直到扫描完整场图像，找到 每一行的“引导线”的中线位置.算法流程图如图4所示.

(a)灰度图 （b)二值化黑白图

图3标准赛道图像

2.2特殊路径识别算法 2.2.1起跑线识别算法

起跑线标志着计时的开始和结束，当智能车沿 跑道跑完一圈后要能自动停止在起跑线后3 m之 内的距离.根据此要求，智能车必须能够识别出起 跑线，从而做出正确的响应.当车模运行到起跑线 附近后,摄像头拍摄到的起跑线如图5所示.当车

第1期李万敏等:基于摄像头智能车典型路径图像识别算法研究•71.

白-黑-白-黑-白-黑”的像素排布，则初步认为有可 能是起跑标志线，之后进行确认判断，根据起跑线 在视野中的几何特征，先判断位置在最中间的两个 黑条的宽度是否小于最中心白条的宽度的2倍，是 否大于最中心白条的宽度的1/2,若不满足，则认 为是噪声干扰，继续进行下一行的扫描检测，若满 足条件，就继续判断黑条的远处一行或近处一行相

同位置是否也为黑，若满足就认为在这一场图像中 下一个

图4算法流程图

9cm

车

模运行方个

3个

向

i起跑区

I漆包线

V

50kHz

；100mA

赛道宽度距离：45cm

图5起跑线示意图与采集图像

模起步后首先采用常规路径识别算法进行路径检 测，从视野最近端的一行信息开始扫描，当找到本 行中的白条（即本行中连续不断的若干白色像素 组成的横线）时，记录白条的宽度（本行图像中连 续的白色像素的个数）和位置（白条最中点在视野 中的位置）.当在一行图像中，经过搜索发现“黑-出现了起跑标志线，其余行不再扫描，智能车ECU 作出舵机回正，电机刹车的指令.若不满足，则继续 按以上所述方法逐行扫描，直到本场图像扫描完. 起跑线识别流程图如图6所示.

图6起跑线识别流程图

2.2.2

障碍识别算法

障碍在摄像头图像中如图7所示.对应障碍的 识别，是在路径识别算法的基础上通过加人额外的

•72.兰州工业学院学报第24卷

判断条件进行识别.识别障碍的条件和方法如下： 当扫描出“黑-白-黑-白-黑”像素分布时，判断两个 白条的宽度，当一个白条的宽度大于另一个白条宽 度的2倍，而且中间黑色部分的黑色像素点超过5 个，就认为视野中出现障碍,取较宽的那个白条的 中点坐标作为本行图像的赛道中线，此时，障碍就 相当于赛道右侧边界.这样继续扫描下一行，直到 本场图像的所有行扫描完毕.之后根据赛道中线在 视野中的位置，控制舵机转向，电机减速.

良好，智能小车在规定的赛道路径上平稳快速的行 驶，工作可靠.参考文献：

[1] 王子辉，叶云岳.基于CMOS传感器的智能循迹小车

图像识别技术研究[J].传感技术学报,2009(4):

484-488.

[2] 李旭东，廖中浩，孟娇.基于CMOS摄像头的智能车控

制系统设计与实现[J].吉林大学学报，2013,31 (4): 414-418.

[3] 林皓岳，董晓庆.基于CMOS摄像头识别路径的智能

车控制系统设计[J ].韩山师范学院学报，2009 (6):

52-56.

[4] 刘鸣，张翰林，隆昌宇.基于CMOS传感器的智能车

赛道自动寻迹系统[J].光机电信息，2010( 10) :59- 62.

[J].湖北汽车工业学院学报，2008(6):76-80.

(a)灰度图 （b)值化图

图7障碍采集图像

[5] 曾星星.基于摄像头的路径识别智能车控制系统设计

3

结语

优化后的路径识别算法,经过实际测试，在路

[6] 陈庆强，汤龙梅，蔡文培.基于摄像头的智能车路径识别与方向控制算法[J].福建工程学院学报，2015

(3) :229-234.

径识别及对驱动电机和转向舵机的控制方面效果

Research on the Image Recognition Algorithm for Typical

Path of Camera-based Smart Car

LI Wan-min，

HAN Zhi-xin，

ZHAO Geng-yun

(1.Mechanical & Electrical Engineering College，Lanzhou University^ of Science and Technology，Lanzhou 730050, China；

2.College of Automotive Engineering，Lanzhou Institute of Technology，Lanzhou 730050，China)

Abstract: Aiming at such problems as path information retrieval and misidentification caused by path recognition

black guide line in the conventional design of smart vehicle，the paper intends to design an image recognition al­gorithm ，with a black line as the boundary line and the white path line as the guide line，and to optimize the typ­ical path recognition algorithm， such as starting line， black barriers and so on. Compared with the traditional path identification algorithm， this algorithm is able to retrieve the path information more accurately， and it is more sensitive and accurate in the direction control of the smart vehicles， which can in turn guarantee the speedy and steady steering of the smart vehicle in varied paths.

Key words: smart vehicle; path recognition ； control algorithm

(责任编辑：曾贤灏)