程鴻芳 錢峰 李敏

(蕪湖職業(yè)技術(shù)學(xué)院，安徽蕪湖 241000)

“飛思卡爾”杯全國(guó)大學(xué)生智能車大賽是由摩托羅拉旗下飛思卡爾公司贊助、由高等學(xué)校自動(dòng)化專業(yè)教學(xué)指導(dǎo)委員會(huì)負(fù)責(zé)主辦的全國(guó)性的賽事。按照首屆全國(guó)大學(xué)生“飛思卡爾”智能車大賽規(guī)則要求，根據(jù)賽道特點(diǎn)，主要有3種尋線設(shè)計(jì)方案:光電傳感器方案、攝像頭方案和電磁方案。2011年第六屆比賽中要求賽道是由白色底板和黑色的指引虛線組成，綜合考慮3種方案的特點(diǎn)，本文采用的是攝像頭方案。

在攝像頭方案的前提下，在實(shí)時(shí)的圖像數(shù)據(jù)獲取的基礎(chǔ)上對(duì)圖像信息進(jìn)行數(shù)據(jù)處理，從而提取賽道中心的黑色指引虛線，以此來(lái)作為舵機(jī)和驅(qū)動(dòng)電機(jī)的控制依據(jù)。以往的賽道中的黑色指引線是實(shí)線，而第六屆比賽賽道是黑色的指引虛線，中間存在斷點(diǎn)。針對(duì)這種賽道，本文采用的方法是在改進(jìn)的邊緣檢測(cè)算法和左邊跟蹤檢測(cè)法的基礎(chǔ)上，將虛線跑道補(bǔ)實(shí)，從而完成智能車的賽道信息采集。由邊緣檢測(cè)算法和左邊跟蹤檢測(cè)法得出的各行黑線的中心值center(i)，縱坐標(biāo)記為i;當(dāng)檢測(cè)遇到虛線時(shí)，將上一行實(shí)線的中心值center(j)彌補(bǔ)本次的中心值，橫坐標(biāo)記為center(j)，這樣虛線兩邊與實(shí)線交界點(diǎn)的坐標(biāo)記為 (center(j1)，j1)和 (center(j2)，j2)，求出這兩點(diǎn)構(gòu)成直線的斜率k和直線方程，即可算出虛線行的橫坐標(biāo)，來(lái)補(bǔ)足虛線。

1 攝像頭采樣數(shù)據(jù)的特點(diǎn)

本文采用的數(shù)字?jǐn)z像頭的型號(hào)為OV7620，將攝像頭固定在車體的中間，前瞻性約1 m。要想采集的圖像準(zhǔn)確，必須要了解攝像頭的時(shí)序，攝像頭的時(shí)序圖如圖1所示。

圖1 OV7620時(shí)序圖

在圖像采集方面，因?yàn)閱纹瑱C(jī)XS128的內(nèi)存和數(shù)據(jù)處理能力，使得只能對(duì)整幅賽道圖像的一部分進(jìn)行采集。目前常用的采集方法有2種:一是采取固定的隔行數(shù)進(jìn)行隔行采集;二是采取遠(yuǎn)近隔行采集。本文采取遠(yuǎn)近隔行采集，因?yàn)閿z像頭在采集過(guò)程中會(huì)產(chǎn)生畸變以及光線的影響，距離越遠(yuǎn)，圖像畸變的越厲害，那么就把采集到的賽道圖像分成幾部分處理。本文將圖像分4段采集，以遠(yuǎn)處的圖像小近處圖像大的特點(diǎn)使用遠(yuǎn)密進(jìn)疏的原則，前20行每隔2行采1次，20到60行中每隔3行采1次，60到140行中每隔4行采1次，剩下的每隔5行采1次。這樣能更真實(shí)的展現(xiàn)圖像。

2 改進(jìn)的邊緣檢測(cè)算法

圖像的邊緣包含用于識(shí)別的有用信息，圖像的其他特征都是由邊緣和區(qū)域這些基本特征推導(dǎo)出來(lái)的［1］。文獻(xiàn)［2］將邊緣定義為場(chǎng)景某一區(qū)域的不連貫，文獻(xiàn)［3］則根據(jù)外形將邊緣分為:線、階梯、尖頂。圖像中的物體與物體，或者物體與背景之間的交界可以視為邊緣，圖像的灰度及顏色急劇變化的地方也可以看作是邊緣。在圖像中有顏色的變化必定會(huì)有灰度的變化，故對(duì)于邊緣的檢測(cè)焦點(diǎn)集中在灰度上就可以［4］。常規(guī)算法將圖像進(jìn)行二值化處理，在本文中直接使用攝像頭獲取的灰度值，減少了二值化的過(guò)程。實(shí)際操作中，我們認(rèn)定閾值在20～50之間為黑點(diǎn)，閾值在180～220之間為白點(diǎn)。具體操作:從第一行的第一列開始進(jìn)行處理，用第一行的第i個(gè)點(diǎn)的灰度值減去第i+1個(gè)點(diǎn)的灰度值，當(dāng)它們的差在［20，50］時(shí)，說(shuō)明已找到黑點(diǎn)，即找到了黑線的起始點(diǎn)，然后記下該點(diǎn)的位置，并把該點(diǎn)標(biāo)記為左邊界left，然后繼續(xù)進(jìn)行判斷，當(dāng)出現(xiàn)差值在［180，220］時(shí)，說(shuō)明已找到了黑線的結(jié)束點(diǎn)，記下該點(diǎn)的坐標(biāo)值，并標(biāo)記為右邊界right。如果前2個(gè)點(diǎn)大于閾值且后2個(gè)點(diǎn)小于閾值，即為無(wú)效行。分別求出每行的左右黑點(diǎn)位置，并標(biāo)記為left和right，然后各行的中心值為，最后賦給數(shù)組center(i)。

3 左邊跟蹤檢測(cè)法

左邊跟蹤檢測(cè)法是一種改進(jìn)的邊緣檢測(cè)算法。其思路是:先根據(jù)邊緣檢測(cè)算法找到第一行的黑線中心坐標(biāo)，對(duì)于下面的行處理，根據(jù)圖像的連續(xù)性，下一行的黑線中心就是在上一行的黑線中心附近進(jìn)行搜索［5］。具體操作:找出離攝像頭最近的第一行采用邊緣檢測(cè)找出中心值center;從第二行開始以前行的中心值為基準(zhǔn)點(diǎn)，設(shè)定步變量，值為20。從基準(zhǔn)點(diǎn)開始向左邊以20以內(nèi)的范圍進(jìn)行查找，如果符合條件，將符合條件的縱坐標(biāo)作為中心值。如不符合條件，就以基準(zhǔn)點(diǎn)開始向右邊以20以內(nèi)的有效范圍內(nèi)進(jìn)行查找。如果符合條件，將符合條件的縱坐標(biāo)作為中心值。如不符合條件，則為無(wú)效行。

4 黑色指引虛線的提取算法

黑色指引虛線的提取算法在邊緣檢測(cè)算法和左邊跟蹤檢測(cè)法的基礎(chǔ)上，將虛線補(bǔ)成實(shí)線，然后提取黑色實(shí)線。xs128(飛思卡爾的芯片)片內(nèi)的ran是8 K，為減少ran的使用效率，應(yīng)盡量減小圖像矩陣。本文中使用64*84的圖像矩陣。具體操作:

步驟1:從離攝像頭開始選取12行，采用邊緣檢測(cè)法，檢測(cè)提取出黑線中心值center［i］;

步驟2:當(dāng)遇到虛線時(shí)，暫時(shí)先用上一次采用的黑線中心值彌補(bǔ)這一次的中心值，記下此虛線區(qū)的行號(hào)范圍;

步驟3:剩下的40行采用左邊跟蹤檢測(cè)法，以范圍型的檢測(cè)提取黑線中心值center［i］;

步驟4:同步驟2;

步驟5:采用中值濾波，將中心值進(jìn)行中值濾波，使圖像更圓滑;

步驟6:進(jìn)行虛線處理，將虛線的上下2點(diǎn)連成直線，2 點(diǎn)的坐標(biāo)分別為 (x1，y1)，(x2，y2)，該直線的斜率，根據(jù)公式y(tǒng)=kx+b，求出所有點(diǎn)的列號(hào)。將所有點(diǎn)根據(jù)坐標(biāo)值，進(jìn)行相連，將虛線轉(zhuǎn)變成直線。

步驟7:返回步驟1。

5 實(shí)驗(yàn)結(jié)果

(1)在實(shí)驗(yàn)過(guò)程中，賽道原圖如圖2所示，攝像頭采集長(zhǎng)度約為1 m的路徑，如圖3所示。

圖2 賽道原圖

圖3 賽道采樣圖

(2)對(duì)虛線賽道進(jìn)行提取操作，如圖4所示。

圖4 賽道提取圖

(3)對(duì)虛線的處理操作，將虛線的上下2點(diǎn)A、B連成直線，A點(diǎn)的坐標(biāo)為(x1，y1)，B點(diǎn)的坐標(biāo)為(x2，y2)，直線AB的斜率，根據(jù)公式y(tǒng)AB=kABx+b，求出所有點(diǎn)的列號(hào)。將所有點(diǎn)根據(jù)坐標(biāo)值，進(jìn)行相連，將虛線轉(zhuǎn)變成直線，如圖5所示，補(bǔ)齊的賽道如圖6所示。

圖5 坐標(biāo)圖

圖6 賽道圖

6 結(jié)論

本文提出的算法是在改進(jìn)的邊緣檢測(cè)算法和左邊跟蹤檢測(cè)法的基礎(chǔ)上，利用直線斜率和直線方程，將虛線跑道補(bǔ)實(shí)，來(lái)完成智能車信息采集的。在系統(tǒng)設(shè)計(jì)完成后，經(jīng)過(guò)多次的調(diào)試運(yùn)行，智能車系統(tǒng)在遵守比賽規(guī)則正確尋跡的前提下，平均速度達(dá)到2 m/s，彎道速度可達(dá)1.8 m/s，而在直道上，智能車的速度可以達(dá)到2.2 m/s。實(shí)際測(cè)試表明，該方法能夠?qū)崿F(xiàn)路徑識(shí)別的正確性和快速性，可在黑白(或色差較大)賽道上獲得良好的自主尋跡效果。

［1］朱振偉，劉廣瑞，劉巧紅.一階邊緣檢測(cè)算法的研究［J］.現(xiàn)代電子技術(shù)，2009，24(11):88-90.

［2］吳晴，吳振華，鄭榜貴.形態(tài)學(xué)在道路圖像邊界檢測(cè)中的應(yīng)用［J］.控制工程，2010，17(1):80-86.

［3］許寰，魯五一，趙治平.攝像頭路徑識(shí)別和小車控制策略［J］.計(jì)算機(jī)工程與科學(xué)，2009，31(5):110-115.

［4］艾寧，瞿少成，劉冬，等.基于CCD攝像頭的智能車路徑識(shí)別及跟蹤研究［J］.電子測(cè)量技術(shù)，2009，32(8):77-80.

［5］朱廣，周程亮.CCD圖像傳感器在路徑識(shí)別系統(tǒng)中的應(yīng)用［J］.工業(yè)控制計(jì)算機(jī)，2009，22(3):50-51.

［6］梁業(yè)宗，李波，趙磊.基于路徑識(shí)別算法的智能車控制系統(tǒng)的設(shè)計(jì)［J］.自動(dòng)化技術(shù)與應(yīng)用，2009，28(1):121-123.

［7］韓毅，楊天.基于紅外傳感器的智能尋跡賽車的設(shè)計(jì)與實(shí)現(xiàn)［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2009，30(11):2687-2690.

［8］陳東，向巍.基于光電管的智能車模設(shè)計(jì)［J］.機(jī)床與液壓，2007，35(7):51-54.

［9］吳斌華，黃衛(wèi)華，程磊，等.基于路徑識(shí)別的智能車系統(tǒng)設(shè)計(jì)［J］.電子技術(shù)應(yīng)用，2007(3):80-83.

［10］程釗，萬(wàn)齊齊，唐旋來(lái)，等.智能車道路識(shí)別及控制研究［J］.伺服控制，2007(11):49-51.