毕业论文-基于摄像头的智能车路径识别方案
基于摄像头的智能车路径识别方案
摘要：本文按照第四届“飞思卡尔”杯全国大学生智能汽车邀请赛的技术要求，经过一段时间的资料的采集与样本电路的参照，本文主要介绍了车模的系统设计原理，系统软件，与方案简介。在硬件电路的设计与实现中，描述了最小系统设计，电源模块，并且着重描述数字摄像头OV6620，在软件系统设计中，讲述了时
钟模块，ECT模块，图像采集以及图像处理等内容，经过实践证明，这些理论方案都可以得到证明，能使汽车稳定快速运行。
关键字：智能车；摄像头；电源模块；图像采集
The identification of intelligent vehicle path of program is based on Camera
Abstract: This article in accordance with the 4th "flying to Karl" Cup National University SMART Car Invitational technical requirements
for the time of the information gathering and sample circuits in the light of this article introduces the car model system design principles, system software, and the programme profile. On the hardware circuit design and implementation, describes the minimum system design, power supply, with emphasis on described digital camera OV 6620 in software design of the system on the clock module, ECT modules, image acquisition and image processing, the practice has proved that these theories programmes can be proved that auto steady and rapid operation
Keywords: SMART cars; camera; power supply; image acquisition
目录
前言 4
第1章系统设计概述 5
1.1系统设计原理 5
1.2系统软件 6
1.3方案简介 6
第2章硬件电路的设计与实现 7
2.1最小系统板设计 7
2.2电源模块 8
2.2.1 5v电源 9
2.2.2 6V电源 9
2.3数字摄像头OV6620 10
2.3.1 OV6620简介 10
2.3.2 OV6620 和普通摄像头的对比 10 2.3.3 OV6620管脚说明 11
2.3.4 OV6620图像采集 11
第3章软件系统设计 14
3.1 时钟模块 14
3.2 ECT模块 14
3.3 图像采集 16
3.4 图像处理 17
3.4.1 二值化算法 17
5.4.2 黑线提取流程 19
结论 21
致谢 22
参考文献 23
附录A 24
前言
智能汽车，是一种集环境感知、规划决策、自动行驶等功能于一体的综合系统，集中地应用到自动控制、模式识别、传感器技术、汽车电子、电气、计算机、机械等多个学科，是典型的高新技术综合体，具有重要的军用及民用价值。
目前，智能车领域的研究已经能够在具有一定标记的道路上为司机提供辅助驾驶系统甚至实现无人驾驶。这些智能车的设计通常依靠特定道路标记完成识别，通过推理判断模仿人工驾驶进行操作。通常，智能车接受辅助定位系统提供的信息完成路径规划，如由GPS等提供的地图，交通拥堵状况，道路条件等信息。
本文内容的安排如下所示：
第一章引言本章主要介绍了Freescale 车模竞赛的基本情况，智能汽车的发展状况。
第二章系统整体框架本章对系统硬件模块方案和软件控制方法进行了选择与论证。
第三章机械结构的安装与调整本章对机械结构的安装与改进，各个模块的安装技巧作了详细的介绍。
第四章硬件电路的设计与实现本章主要介绍了自行设计的基于飞思卡尔单片机的最小系统板的设计、电源模块、摄像头模块和速度传感器模块的设计与实现。
第五章软件系统设计与实现本章软件系统各模块的设计思路作了详细的介绍。特别介绍了图像处理中的各种技巧、PID 控制策略的应用和起跑线识别算法的设计等问题。
第六章开发工具及其调试本章对开发工具与调试方法作了简单介绍。
结论对整个参赛过程中的经验与教训作了总结。
第1章系统设计概述
1.1系统设计原理
电机驱动模块
MC9S12XS128
图像采集模块
硬件电路是整个系统的基础，下面是我们的硬件电路原框图：
舵机驱动模块
速度采集模块
速度采集模块
速度采集模块图1.1整体框架
1.2系统软件
开始
系统的软件流程图1.2
初始化
图像采集
图像处理
舵机控制
电机控制
图1.2系统流程图
1.3方案简介
在本次比赛中，组委会提出了3种单片机可供选择MC9S12XS128，
MC9S12DG128和9S08AW60.我们选择了总线频率较高的MC9S12XS128作为主控芯片，并且自己制作了最小系统板。图像采集我们经过对比最终选择了CMOS的
OV6620作为图像采集传感器。将图像采集来后，为了减小干扰首先我们对整幅进行了二值化，然后利用跟踪边缘的算法对黑线进行提取。最终使得黑线的变化更加平稳。提取出黑线后，我们采用了模糊控制与PD控制相结合的方式对舵机进行控制，让小S直接冲过去，大S尽量内切，最大难度的发卡弯沿线通过。
在硬件方面，我们为了使电路更加简化，自己制作了最小系统板，使得单片机，电源，电机驱动等模块集中到了一块最小的系统板上。
第2章硬件电路的设计与实现
硬件电路主要包括：电源模块，驱动模块与调试模块。电源模块主要包括单片机电源，编码器电源，摄像头电源，舵机电源等等。驱动模块主要包括电机驱动和舵机驱动。调试模块主要包括BDM下载和串口的设计。
2.1最小系统板设计
我们采用了MC9S12XS128芯片作为主控芯片，参考了组委会提供的系统板的原理图，自行设计了最小系统板和外围器件的电路，同时为了尽可能的减小板子的质量与大小，我们没有将串口设计到最小系统板上，而是另外做了一块USB转串口的电路板。原理图如图2.1和2.2
图2.1最小系统板原理图
引脚功能介绍：
PORTB： LED状态指示
PORTM：摄像头数据采集口
PORTK：模式选择口
PP1：舵机控制
PP2：电机控制口
PP3：电机控制口
TXDO：串口通讯
RXDO：串口通讯
2.2电源模块
为了保证各个部件的正常工作，电源的供给是十分主要的，需要对配发的标准车模用蓄电池进行电压调节。单片机系统，摄像头，车速传感器电路等各个电路的工作电压不同，需要想办法来使得电压满足各自的要求，一种办法是利用升压或降压的芯片来达到它们的要求，另一种方法是利用双电源供电的方法，来实现自己各模块的不同需求，由于电路的模块较多，该方案中需要升压或降压芯片，实际应用中，我们确定采用升压降压芯片等来实现对各个模块的供电需求，而且，再电路设计中，考虑到由于电机驱动所引起的电源不稳定，在电源输入端，各芯片电源引脚都加入滤波电路。
如图2.3所示电源模块的组成
图2.3电源模块的组成框图
2.2.1 5v电源
市场上常用的5V芯片有LM2940，LM7805，LM2575，LM2596其中LM2940和LM7805转换效率低（40%）输出波纹小，而且稳定，对于电源要求比较高的元件适合。LM2575和LM2596转换效率高（75%~80%）输出波纹大，可能会让单片机出现
重启。所以我们选择前者而LM2940比LM7805压差小，而且更加稳定因此我们选择LM2940作为5V稳压芯片。原理图如图2.4所示
图2.4 5V稳压电路原理图
2.2.2 6V电源
舵机的响应速度与其电源电压有关。因此，为了获得更快的响应速度，舵机的供电采用其工作上限电压+6V，舵机的工作电压4-6V，因此为了稳定起见我们给舵机也做了稳压电路，期间的选择的是LM2941.原理图如图2.5
图2.5 舵机电源6V
2.3数字摄像头OV6620
2.3.1 OV6620简介
（1）、OV6620需要稳定的5V电压供电，和系统板上的供电电源兼容。
（2）、NAL制，每秒25帧，一帧两场，那么每秒就有50场。意味着20MS
就有一副图像产生。356x292pixels,理解为：有292行，一行有356个点。
（3）、视野和可视距离：这个和镜头的选择有关，据我测试，f=3.6MM时视野应该有25度左右，f越大视场越小。可视距离需要调节镜头焦距。经我测试可视距离可以看到十几米，毕竟像素值只有10万多，用单片机读可以看到3-4M的距离。这里解释一下为什么用单片机读会打折扣，因为线宽度只有2.5CM，太远了黑线会很细，采点之后就分辨不出是噪音还是有用信号了，在1米左右时，黑线宽度可用8个点表示。
（4）、内部有IIC可编程。可以调整摄像头的参数，比如最大灰度，对比度，暴光率控制等等。其本质是SCCB协议。
（5）、数据格式-YCrCb 4:2:2,GRB 4:2:2,RGB;电子曝光/增益/白平衡控制；内部自动图像增强，亮度，对比度，伽马，饱和度，锐度，加窗等。最重要的是不需AD，不需1881.当然玩一下他的模拟输出一可以，VTO管脚就可以当普通的模拟摄像头用。
2.3.2 OV6620 和普通摄像头的对比
模拟的优势比较明显：便宜，程序有现成的。缺点：消耗MCU资源，功耗大，取点个数少，需要做12V的供电模块（最近有队伍说把摄像头上的5V稳压芯片取下来飞飞线就可以直接用5V供电），外围处理电路多，还要1881。
数字的优点就是避免了模拟的缺点。行场同步中断信号有现成的，而且消隐区也十分有规律。可以用示波器对比一下模拟的和数字的，数字的信号非常漂亮，非常稳定。这对于图像采集来说是十分有利的。
最终我们选择了数字摄像头OV6620。
OV6620的管脚分布样子如图2.6和2.7所示：
2.3.3 OV6620管脚说明
图2.6管脚分布图图2.7 OV6620像头
PIN1-PIN8 灰度信号输出接口 Y0-Y7
PIN11 SCCB数据接口 SDA
PIN12 奇偶场同步信号 FODD
PIN13 SCCB数据时钟 SCL
PIN14 行中断信号 HREF
PIN16 场中断信号 VSYN
PIN18 像素同步信号 PCLK(也叫TCLK)
PIN32 模拟信号输出接口 VTO
这里仅说明可能需要用到的管脚，模拟摄像头无非也就这几个信号，重要的是，模拟摄像头的信号线需要分离，这当然会给图像的采集带来本可以避免的干扰。
2.3.4 OV6620图像采集
我最不能忍受的是模拟的图像采集之后的分辩率.真的还不如在光电前加个老花镜.数字摄像头相对来说贵一些,他内部的信号处理比较复杂,接口也较多,一般是彩色的YUV信号,只取Y的亮度信号,所以用起来略有浪费.
附上测的数字OV6620的时序图,我发现它的DS上表示有些不明确,就自己画了一个.而实际上,图像采集的这块最关键的也是时序的把握了.另外,中断的优先级一定要保证,要不然系统一运行起来,图像采到一半就丢了.
先看DS上的时序图2.8：
图2.8 DS上的时序
如果这个图还不明白的话看下面的这个图2.9：
图2.9 摄像头信号采集时序图
如果这个图还不明白的话看下面的说明：
（1）、在采集时乎略TCLK，首先是因为它太快了，捕捉不到，另外也没有必要捕捉到它。采集图像时尽快地一个点一个点的取就行了，和模拟摄像头一样。
（2）、VYNSC是判断是否一幅图像开始，周期是20mS, 其中高电平持续时间很短，忽略； HREF是判断是否一行图像的开始，周期是63us左右，其中高电平持续时间为40US，低电平持续时间23US，那么可以算一下一场有多少行：
20ms/63us=317,当然实际上没有这么多，消隐和无效信号去掉之后只有292行。
（3）、必须明确：场中断要通过下降沿捕捉，行中断要通过上升沿捕捉。若用IRQ捕捉行中断必须加反相器。
（4）、有效的灰度数据是在行中断之后的上升沿内，所以不要在行中断后的23US后采集，那是废数据。计算一下一行OV6620有多少个点：
40us/110ns=363, 消隐和无效信号去掉之后只有356个点。
图上若有表述不清楚可通过示波器观察。
第3章软件系统设计
3.1 时钟模块
时钟基本脉冲是CPU工作的基础。MC9S12XS128微控制器的系统时钟信号，由时钟振荡电路或专用时序脉冲信号提供。MCU内部的所有时钟信号都来源于EXTAL引脚，也为MCU与其他外接芯片之间的通信提供了可靠的同步时钟信号。
S12的总线时钟是整个MCU系统的定时基准和工作同步脉冲，其频率固定为晶体频率的1/2。对于S12，可以利用寄存器SYNR、REFDV来改变晶振频率fOSCCLK，可以选用8MHz或16MHz外部晶体振荡器作外时钟。将SYNR设为3，REFDV设为1，可以得到32MHz的总线频率。
而锁相环产生的时钟频率fPLLCLK=2*fOSCCLK*(SYNR+1)/(REFDV+1)，设计中我们将SYNR设为3，REFDV设为1，因此，总线时钟为32MHz，CPU工作频率为
64MHz。
3.2 ECT模块
S12得ECT具有8个输入（IC）/输出(OC)比较通道，可以通过设置TIOS寄存器选择输入或输出比较功能。ECT既可以作为一个时基定时产生中断，也可以用来产生控制信号。
模数递减计数器（MDC）是S12微控制器ECT特有，它是一个16位计数器，其外围配备了常数寄存器MCCNT和控制寄存器MCCTL，分别为MDC提供定时常数和时钟信号。通过寄存器TCTL4设定各个引脚的各种动作，初始化设置过程如下所示：
//定时器初始化
void extern vECTInit(void)
{
TIOS =0x00;//定时器通道0，1为输入捕捉
TSCR1=0x80;//定时器使能
TCTL4=0x09;//通道0捕捉上升沿通道1捕捉下降沿
TIE=0x03; //通道0，1中断使能
TFLG1=0xFF;//清中断标志位
}
void extern IOC_Init(void)
{
//TSCR2 = 0x04; // 禁止定时器溢出中断,计数器自由运行,禁止复位,预分频系
数为16
// busclock/16=48Mhz/16=3000000
TIOS = 0x00; // 设置通道2工作在输出比较状态,其它通道工作在输入状态
//TC2 = 0x2328; // 0x2328*(1/3000000)=3ms
//TCTL2 = 0x00; // 切断OC2与输出引脚断开
// TCTL3=0X80;
TCTL4=0x09;
//TSCR1_TFFCA=1; // 通道自动清除
// TIE= 0x83; // 通道0,1,2,7中断使能
//TIE= 0x84;
TSCR1_TEN = 1; // 定时器使能
PACTL = 0x40; //脉冲累加器使能,事件计数,下降沿计数,16位A累加器
PACNT = 0x0000;
TFLG1=0xFF; //清中断标志位
PERT=0x80;//PT7口上拉电阻使能
PPST=0x00;
}
通过ECT模块，我们实现了对行中断和场中断的PT0和PT1口的使能和捕捉方式，PT7口对脉冲进行计数，检测智能车的速度，对速度进行闭环控制。
3.3 图像采集
实际上，图像采集的这块最关键的也是时序的把握了。另外，中断的优先级一定要保证，要不然系统一运行起来,图像采到一半就丢了。
摄像头每扫描完一行，就输出一低于视频信号电压的的电平，相当于每行图像对应的电压信号之后会有一电压“凹槽”，此凹槽被称为行同步脉冲。扫描完该场的视频信号，接着会出现一段消隐区，此区中有若干个复合脉冲（简称消隐脉冲），在这些脉冲中，有一个脉冲，它远宽于其他的消隐脉冲，该消隐脉冲称为场同步脉冲。场同步脉冲标志着新的一场的到来，不过，场消隐区恰好跨在上一场的结尾部分和下一场的开始部分，得等场消隐区过去，下一场的视频信号才真正到来。摄像头每秒扫描25幅图像，每幅又分奇、偶两场，先奇场后偶场，故每秒扫描50场图像。奇场时只扫描图像中的奇数行，偶场时则只扫描偶数行。如图3.1所示：
图3.1 摄像头视频信号
图3.2 摄像头信号采集时序图
如图3.2所示：
（1）在采集时乎略TCLK，首先是因为它太快了，捕捉不到，另外也没有必要捕捉到它。采集图像时尽快地一个点一个点的取就行了，和模拟摄像头一样。
（2）VYNSC是判断是否一幅图像开始，周期是20mS，其中高电平持续时间很短，忽略； HREF是判断是否一行图像的开始，周期是63us左右，其中高电平持续时间为40us，低电平持续时间23us ，那么可以算一下一场有多少行：
20ms/63us=317，当然实际上没有这么多，消隐和无效信号去掉之后只有292行。
（3）必须明确：场中断要通过下降沿捕捉，行中断要通过上升沿捕捉。若用IRQ捕捉行中断必须加反相器。
（4）有效的灰度数据是在行中断之后的上升沿内，所以不要在行中断后的23US后全国大学生智能汽车邀请赛技术报告27 / 82采集，那是废数据。计算一下一行OV6620有多少个点： 40us/110ns=363消隐和无效信号去掉之后只有356个点。
3.4 图像处理
3.4.1 二值化算法
图像的二值化处理就是讲图像上的点的灰度置为0或255，也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当得阀值选取而获得仍然可以反映图像整体和局部特征得二值化图像。首先要把灰度图像二值化，得到二值化图像，这样子有利于图像进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为0表示，否则这些像素点被排除在物体区域以外，灰度值为1，表示背景或者例外的物体区域。因为赛道只有黑白两种颜色，其很容易分辨，采用二值化算法可以得到很好的效果，为了得到可靠的阀值，我们进行了大量的试验，最后得出了这个阀值为52，当小于这个阀值时，我们认定是检测到黑线，当大于这个阀值时，我们认为是检测到白线。图3.3为二值化后在串口上显示出来的图像。
图3.3 二值化后的图像
3.4.2 黑线提取流程
黑线的提取我们参考了去年上海大学的黑线提取方法，在前十行采用边缘提取方法，十行以后的利用跟踪边缘提取方法。实验测得这种方法只要细节掌握好能够很好的提取出黑线。下面是具体的黑线提取方法。
如图3.4
图3.4黑线提取流程图
（1）、首先准备提取黑线
（2）、用检测跳变的方法提取出前十行中每行的两个跳变点，然后求平均值就可以得到前十行的黑线位置。当搜索到多个跳变的时候，我们根据上一行跳变的位置确定出最优的那个跳变的位置作为本行的黑线跳变位置。当前十行都没有找到黑线的时候，我们就认为这幅图像的黑线丢失了，然后依据前一幅图像黑线的位置，给这幅图像的整体赋极值。当只有十行中的几行丢失时，我们就继续搜索黑线直道找完前十行位置。
（3）、当前十行黑线存在时，我们利用前十行黑线的位置确定第十一行黑线的位置，然后在这个区间搜索黑线，依次类推用前一行黑线的位置确定后一行黑线的位置，当本行黑线没有找到时，此行黑线位置保持上行的值，下行搜索的位置相应的扩大。有全国大学生智能汽车邀请赛技术报告连续3行黑线搜索不到十我们就认为黑线丢失，退出搜索。这样既可以去除干扰，还可以大大的提高算法的效率。值得注意的是：第十行和前一行第九行这个接口位置边缘确定非常重要，要考虑的非常全面，不然有可能就只能搜索到前十行的黑线，后面的黑线因为边缘的问题所有不到。
（4）、搜索完成后推出搜索。对搜索到的黑线进行中值滤波和限幅滤波。只要搜索范围合理，这种算法有很强的抗干扰能力，并且可以滤除十字交叉和三角黑区的干扰。
智能小车的路径识别问题
智能小车的路径识别问题 摘要：智能小车路径识别技术是系统进行控制的前提，介绍了路径识别技术的几种分类及相应的优缺点，通过分析得出面阵CCD摄像更适合作为采集信息的工具。 关键词：智能小车；路径识别；面阵CCD摄像器件 Abstract: Smart car’s path recognition technology is the premise of the control system, this paper introduces the path of several classification and recognition technology, through the analysis of the advantages and disadvantages of the corresponding to array CCD camera is more suitable for gathering information as the tool. Key words:smart car; Path recognition; Surface array CCD camera device 0 引言：为培养大学生的自主创新设计的能力，各大高校都设置了智能车比赛，智能小车 行驶在给定的白色路面，由中间的黑色轨迹线引导，实现自主循迹功能。实现该 功能的小车主要由电源模块、循迹模块、单片机模块、舵机模块、后轮电机驱动 模块组成。路径模块一般由ATD模块，外围芯片和电路，与路面信息获取模块 组成，要能够快速准确得进行路径识别检测及相关循迹算法研究，本文就这两个 方面进行相应的分析和介绍。 1 光电传感器 1.1 反射式红外发射接收器 半导体受到光照时会产生电子-空穴对，是导电性能增强，光线愈强，阻值愈低。这种光照后电阻率变化的现象称为光电导效应[1]，用于路径检测的反射式红外光电传感器基于此原理设计。该传感器一般由一个红外线发射二极管和一个光电二极管组成，可以发射并检测到反射目的光线。不同颜色的物体对光的反射率不同，当发射出的红外光对准黑色物体时，反射的红外线很少，光电二极管不能导通，反之，当对准白色物体时，光电二极管导通[2]。系统的单片机接收到光电二极管的信息根据相应的算法分析出小车此时的位置及位置偏离度，进而控制小车的方向和速度。 光电式传感器是通过对光的测量通过光电元件转化为电信号，并输出有效的输出量，由于外界光电因素的原因导致空间分辨率低是每个红外传感器存在的缺点，因此必须对原始传感器信息进行预处理，取相对值是一种有效解决外界干扰的方法，即将传感器未发射红外线时的A/D转换值进行提取，再与红外线时的转换值取相对值。文献[2]同时也提出了如何根据每个传感器的相对值与传感器位置推断出车模相对于黑色引导线的横向偏移位置。而文献[3]中所描述的方法与文献[2]有异曲同工之妙，文献[4][5]也对光电传感器的路径算法有详细科学的介绍。 1.2光敏电阻阵列传感器 假设光敏电阻阵列布置如图1所示，在智能小车的正前方布置n个光敏电阻( n=1,2,…, 11 ) ,在其质心位置依次紧密排列m个光敏电阻（m=1,2…7），首先测出路径黑色区域和白色区域的光敏电阻值，以通过d点的中心线的交点为原点建立坐标系,两排光敏之间的距离为K,光敏n和n+1且n>6或者(n和n-1且n<6)所测的值分别为黑色区域值和白色区域值，光敏6中心为智能小车的中心线通过点，而光敏d也为其通过点，连接这两点即为智能小车的中心线，则通过小车中心线并与黑色区域光敏值对应的光敏n与光敏m的连线即为所求路径信息。理论上讲，只要有两点就可以确定唯一的直线。
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
单目视觉智能车路径识别及控制策略
单目视觉智能车路径识别及控制策略研究＊ 陈启迅 薛 静 （西北工业大学自动化学院 西安７１００７２ ）摘 要 研究了基于ＣＭＯＳ摄像头的图像采集方法，以及智能车赛道路径识别。提出了自适应差分边缘检测算法，采用取点求面积的方法提取指引线的相关参数。自适应差分边缘检测算法是在一般的边缘检测算法的基础上提出的，它能根据提取的左右边缘存在情况调整搜索范围、阈值，以及差值的求取方法。使用海伦公式求指引线上所取的三角形的面积， 据此提出了１种基于三角形面积的智能车速度控制方法，此方法以指引线上的三角形面积反映赛道的弯曲程度，并以此作为智能车速度控制的控制变量。 关键词 自适应差分边缘检测；智能车；图像采集；海伦公式 中图分类号：ＴＰ３０１．６ 文献标志码：Ａ ｄｏｉ：１０．３９６３／ｊ ．ｉｓｓｎ １６７４－４８６１．２０１２．０５．００６收稿日期：２０１２－０７－０４ 修回日期：２０１２－０９－ ０７ ＊西北工业大学研究生创业种子基金项目（ 批准号：Ｚ２０１１０４７）资助第一作者简介：陈启迅（１９８４），硕士生．研究方向：控制工程、系统工程．Ｅ－ｍａｉｌ：ｃｑ ｘ０６２０１４＠１２６．ｃｏｍ０ 引 言 智能车辆系统是１个拥有感知环境能力，具备规划决策能力以实现自动行驶，并且可以实现多等 级辅助驾驶等功能于一体的综合系统［ １ ］。与很多学科有着密切关系，如计算机、控制、通信、图像处 理、人工智能、信号处理等，同时也是多种传感器融 合的载体。因为它一般集中了摄像机、ＧＰＳ、超声波雷达、激光雷达等多种传感器来感知周围环境， 并根据多传感器融合所获得的道路、车辆状态和障碍物信息进行控制车辆的转向和速度，从而使得车辆安全、可靠、稳定地在道路上行驶，因此智能车辆 是多学科综合于一体的高度智能化的产物［ ２－ ３］。文献［４］ 中介绍了一般差分边缘检测算法。文献［５ ］中描述了基于序列图像运动分割的车辆边界轮廓提取算法。文献［６］中提到了道路裂纹线检测中的脊波域图像增强算法。选用功耗低、前瞻性好的ＣＭＯＳ摄像头作为路径识别视觉传感器，采用自适应差分边缘检测算法有效地提取道路指引线，此算法具有很高的灵活性和适应能 力， 能够有效地降低干扰。进一步使用取点求面积的方法获取指引线参数。 １ 视觉图像采集 １．１ 硬件实现 ＣＭＯＳ视觉传感器图像采集电路［７］ 见图１ ，ＬＭ１８８１可以实现视频同步信号的分离。２脚为视 频信号输入端；３脚和５脚分别为场同步、行同步信号输出端；７脚为奇偶场同步信号输出端，在此不使用。视频信号同时接入微处理器ＡＤ转换口 。 图１ 视频同步信号分离电路 Ｆｉｇ．１ Ｔｈｅ ｃｉｒｃｕｉｔ ｆｏｒ ｓｅｐａｒａｔｉｏｎ ｏｆ ｓｙ ｎｃｈｒｏｎｉｚａｔｉｏｎｓｉｇ ｎａｌ ｏｆ ｖｉｄｅｏ１．２ 软件实现 视频信号采集流程［８］ ：首先等待场信号的到 来；然后延时，跳过场消隐，约１．４４ｍｓ；等待行同步信号；判断采集行数是否满足要求，满足则采集完成，否则延时，跳过行同步信号和消隐信号；对１行视频信号进行连续采集； 延时，跳过若干行视频信号，再跳回到等待行同步信号，直至完成，就能采集到１幅有效而完整的视频图像了。 ２ 自适应差分边缘检测算法 阈值分割法［９－ １０］在结构化道路上是提取指引 ４ ２交通信息与安全 ２０１２年５期 第３０卷 总１７１期
基于线性CCD图像识别智能小车的设计与开发
基于线性CCD图像识别智能小车的设计与开发 目前，具有自动驾驶功能的智能车越来越引起人们的重视。智能车装备了各种传感器来采集路况信息，通过计算机的控制可以实现自适应巡航，并且又快又稳、安全可靠。智能车不仅能在危险、有毒、有害的环境里工作，而且能通过计算机的控制实现安全驾驶，能大幅度降低车祸的发生率。智能车的设计关键是路况信息的采集，传统的方案多采用红外光电传感器，此方案不仅噪声较大，而且与主控CPU的连接电路复杂，传输速率慢。本文研究的智能小车系统选用了TSL1401CL线性CCD图像采集模块，该模块采用串行通信方式与主控CPU连接，不仅电路简单、性能稳定，而且采集速率快。通过实验测试，本文设计的智能车能根据采集到的图像分析前方路径及障碍而实现智能驾驶，具有极强的实用价值和市场前景。 1 系统设计思想 经过调研与分析，我们采用了MC9S12XS128单片机、TSL1401CL线性CCD图像采集模块、稳压芯片以及液晶OLED等外围器件设计与开发出这套智能小车系统。MC9S12XS128高速单片机为Freescale公司新推出的16位高性能高速单片机，其接口丰富、功耗低、信息处理能力强大，能对小车前方路径及障碍进行及时分析，处理迅速、性能稳定。为了提高路面图像采集的速度与质量，我们选用了TSL1401CL线性CCD图像传感器。TSL1401CL 具有功耗小、性能稳定、灵敏度高、响应速度快等优点，其工作过程是先将路况光学信号转换为模拟电流，模拟电流放大后再进行A/D转换变成数字信号，最后通过串口送至主控CPU。智能小车的CPU根据CCD采集到的信息进行分析和处理，从而实现系统的自动控制与障碍处理、路径探测。在软件设计中我们采用了先进的PID（比例、积分、微分）算法，其运算参数可以根据过程的动态特性及时整定。通过PID算法，模糊PID算法来实现智能车的转向、控速等精确自动控制，另外还有很好的避障功能，实现了全智能的安全控制。 2 系统硬件设计 本项目采用模块化设计与开发，主要有CCD采集模块、电源模块、电机驱动模块、车速
飞思卡尔智能车黑线识别算法及控制策略研究
智能车黑线识别算法及控制策略研究 时间：2009-05-1811:23:07来源：电子技术作者：北京信息科技大学，机电工程学院张淑 谦王国权 0引言 “飞思卡尔”杯全国大学生智能车大赛是由摩托罗拉旗下飞思卡尔公司赞助由高等学校自动化专业教学指导委员会负责主办的全国性的赛事，旨在加强大学生的创新意识、团队合作精神和培养学生的创新能力。此项赛事专业知识涉及控制、模式识别、传感技术、汽车电子、电气、计算机、机械等多个学科，对学生的知识融合和动手能力的培养，对高等学校控制及汽车电子学科学术水平的提高，具有良好的推动作用。 智能车竞赛所使用的车模是一款带有差速器的后轮驱动模型赛车，它由大赛组委会统一提供。自动控制器是以飞思卡尔16位微控制器MC9S12DGl28(S12)为核心控制单元，配合有传感器、电机、舵机、电池以及相应的驱动电路，它能够自主识别路径，控制车高速稳定运行在跑道上。比赛要求自己设计控制系统及自行确定控制策略，在规定的赛道上以比赛完成的时间短者为优胜者。赛道由白色底板和黑色的指引线组成。根据赛道的特点，比赛组委会确定了两种寻线方案：1．光电传感器。2．摄像头。 两种寻线方案的特点如下： (1)光电传感器方案。通过红外发射管发射红外线光照射跑道，跑道表面与中心指引线具有不同的反射强度，利用红外接收管可以检测到这些信息。此方案简单易行程序调试也简单且成本低廉，但是它受到竞赛规则的一些限制(组委会要求传感器数量不超过16个(红外传感器的每对发射与接收单元计为一个传感器，CCD传感器计为1个传感器))，传感器的数量不可能安放的太多，因而道路检测的精度较低，能得到指引线的信息量也较少。若采用此方案容易引起舵机的回摆走蛇形路线。 (2)摄像头方案。根据赛道的特点斯用黑白图像传感器即可满足要求。CCD摄像头有面阵和线阵两种类型，它们在接口电路、输出信号以及检测信息等方面有着较大的区别，面阵摄像头可以获取前方赛道的图像信息，而线阵CCD只能获取赛道一条直线上的图像信息。摄像头方案的所能探测的道路信息量远大于光电传感器方案，而且摄像头也可以探测足够远的距离以方便控制器对前方道路进行预判。虽然此方案对控制器的要求比较高，但组委会提供的MC9S12DGl28(S12)的运算能力以及自身AD口的采样速度完全能够满足摄像头的视频采样和大量图像数据的处理的要求。 本文就是在摄像头方案的前提下，在实时的图像数据获取的基础上对图像信息进行数据处理，从而提取赛道中心的黑色指引线，再以此来作为舵机和驱动电机的控制依据。 1摄像头采样数据的特点 采用的黑白摄像头的主要工作原理为：按一定的分辨率，以隔行扫描的方式采集图像上的点，当扫描到某点时，就通过图像传感芯片将该点处图像的灰度转换成与灰度一一对应的电压值，然后将此电压值通过视频信号端输出，见图1。摄像头连续地扫描图像上的一行，则输出就是一段连续的电压信号，该电压信号的高低起伏反映了该行图像的灰度变化。当扫描完一行，视频信号端就输出一个低于最低视频信号电压的电平(如O．3V)，并保持一段时间。这样相当于紧接着每行图像信号之后会有一个电压“凹槽”，此“凹槽”叫做行同步脉
CCD视频传感器的智能车路径识别控制系统
第二届全国大学生智能汽车竞赛技术报告 基于CCD视频传感器的智能车路径识别控制系统（下） 4.2电源管理模块设计 电源是一个系统正常工作的基础，电源模块为系统其他各个模块提供所需要的能源保证，因此电源模块的设计至关重要。模型车系统中接受供电的部分包括：传感器模块、单片机模块、驱动电机模块、转动电机模块以及其它的外围辅助模块等。设计中，除了需要考虑电压范围和电流容量等基本参数外，还要在电源转换效率、噪声、干扰和电路简单等方面进行优化。可靠的电源方案是整个硬件电路稳定可靠运行的基础。 全部硬件电路的电源由7.2V，2A/h的可充电镍镉电池提供。由于电路中的不同电路模块所需要的工作电流容量各不相同，因此电源模块应该包含多个稳压电路，将充电电池电压转换成各个模块所需要的电压。本系统主要用到了以下几个不同的电压，如表4.1所示。 电源模块由若干相互独立的稳压电源电路组成。在本系统中，除了电机驱动模块的电源是直接取自电池外，其余各模块的工作电压都需要经电源管理芯片来实现。 5V电源的实现是通过电源管理芯片TPS7350来实现的。TPS7350是一款低压稳压芯片，能提供5V的固定电压输出。TPS7350低压差稳压芯片克服了早期稳压芯片的缺点，而且还增加了如节电待机模式和供电管理等功能。与其它的稳压芯片一样，TPS7350需要外接一个输出电容来保持输出的稳定性。出于稳定性考虑，需要在稳压输出端和地之间接一个10uF低等效电阻的电容器。除非该等效电阻小于1.2欧姆，否则引入的陶瓷电容或薄膜电容器会使输出的电压不稳定。在很小或根本就没有旁路电容的情况下，输出电容可以减少到4.7uF，所提
基于视觉传感器的智能小车标志识别系统
基于视觉传感器的智能小车的标志识别系统 摘要：视觉信号具有信号探测范围宽、获取信息丰富等优点。随着近几年图像处理技术以及计算机处理能力的飞速发展，视觉导航成为机器人导航的主要发展方向之一。机器人导航的任务之一就是根据路面特征来行走，本文在Visual C++集成开发环境中基于OpenCV 和DirectShow 视频采集技术编程实现了系统的功能。本文所设计的就是一个基于视觉传感器的智能小车的标志识别系统，根据图像分析后的二值图像序列信息，使小车能根据识别到的图像信息进行运动。 关键词：智能小车视觉导航图像处理特征识别 The Mark Recognition System Based on Vision for an Intelligence Vehicle Abstract：Visual signal with the signal detection range, access to information-rich and so on. As in recent years, image processing technology and the rapid development of computer processing power, visual robot navigation as the main development direction of navigation. Robot navigation tasks is to walk to the road characteristics, this article in Visual C + + integrated development environment based on OpenCV and DirectShow video capture technology, programming function of the system. This article is designed is a smart vision sensor based car sign recognition system, according to the image analysis of binary image sequences, so the car can be identified according to the image information campaign. Key Words：Intelligence Vehicle Mark Recognition Image Processing Feature Recognition 1 绪论 机器人[1]的导航技术是智能型机器人自主完成任务的核心技术。移动机器人[2]导航是指移动机器人按照预先给出的任务命令，根据已知信息做出路径规划，并在行进过程中，不断感知周围的局部环境信息，自主地做出决策，调整自身位姿，引导自身安全行驶或跟踪已经路径到达目标位置。这其中包括三个主要内容：避障、定位和路径规划。本文所设计的就是一个基于视觉传感器的智能小车的标志识别系统，根据图像分析后的二值图像序列信息，小车能根据识别到的图像信息进行运动。 2 基于视觉传感器的智能小车系统 本论文是基于视觉传感器[8]的智能小车识别系统,试验的平台选用的是上海中为机器人提供的小车，小车实现的功能是在地面行走时，能根据摄像头反馈回的地面特征，实现自主移动。实验中用到的模块有，CMOS 摄像头，无线图传模块，传感与通讯模块，运动控制模块，远程控制模块，USB 图像采集卡，运动过程如图2.1所示：
基础道路自识别的智能汽车控制系统设计
摘要 智能汽车凭借着其灵活、先进、高级、灵敏便利等特色受到了很多人的喜欢。智能汽车可以依据驾驶者所设置的参数进行判断和运算，判别驾驶者操作智能汽车的指令，而且做出相对应的反映。因而智能汽车除了可以辨识驾驶人员给它的相关指令外，还要可以对将要行驶的道路进行判别，并能够根据驾驶者的选择来行驶。 所以本课题来设计解决基于道路自识别的智能汽车的控制系统，采用单片机控制系统, 用来在其内部存贮实行逻辑运算、顺序控制、定时、计数和算术运算等操作的指令, 并通过数字和模拟的输入和输出, 来控制整个系统，并实现完整的智能汽车的行驶功能。 关键词：智能汽车；运算；控制；行驶
Abstract telligent car with its flexible, advanced, advanced, sensitive and convenient features such as a lot of people like. Intelligent vehicle can be based on the parameters set by the driver to judge and operation, to determine the driver's instructions to operate the smart car, but also to make the corresponding response. Thus the intelligent car in addition to the relevant instructions can be identified by the driver to it, but also on the road will be able to determine the road, and be able to travel according to the choice of the driver. So this topic to design solution based on road recognition in a smart car control system, using single-chip microcomputer control system, used in its internal storage implementation of the logic operation, sequence control, timing, counting and arithmetic operations, such as operating instructions and through digital and analog input and output to control the whole system, and to achieve complete intelligent vehicle driving function. Key words: intelligent vehicle; operation; control; travel
自动识别路径小车
自动识别路径的智能小车设计报告 来源:kaoshi365 作者:kaoshi365 日期:2009年11月12日访问次数: 625次论文关键字：智能小车电机驱动L298 自动循迹传感器算法 论文摘要：本系统采用存储空间较大的AT89S52作为主控制芯片，电动车电机驱动采用L298N芯片，结合DS10C4光电开关控制电动小汽车的自动寻路，快慢速行驶和转向，三者的结合使小车更加智能化，自动化。整个系统在设计中注意低功耗处理和力求高性价比等细节，电路结构简单，可靠性能高，无论在结构和技术上都具有较好的科学性。 本设计主要特点： 1. 高效的L298电机驱动电路，提高电源利用率。 2．利用软件实现PWM调速的方法。代替了专用集成芯片电路、通用数字组合电路、分立元器件组成电路、单片机系统控制电路、CPLD系统等。 一、模块方案比较与论证： 1. 车体设计 方案一：购买玩具电动车。购买的玩具电动车具有组装完整的车架车轮。由于装配紧凑，使得各种所需电路的安装十分方便，看起来也比较美观。但玩具电动车一般都价格昂贵。 方案二：自己制作电动车。一般的说来，自己制作的车体比较粗糙，对于白色基板上的道路面行驶，车身重量以及平衡都要有精确的测量，而且也要控制好小车行驶的路线和转弯的力矩及角度，这些都比较难良好地实现。依靠电机与相关齿轮一起驱动，能适应题目中小车准确前进、后退、转弯的要求， 基于以上分析，我们选择了方案二 2．电机模块 方案1：采用步进电机作为该系统的驱动电机。由于其转过的角度可以精确的定位，可以实现小车前进路程和位置的精确定位。虽然采用步进电机有诸多优点，步进电机的输出力矩较低，随转速的升高而下降，且在较高转速时会急剧下降，其转速较低，不适用于小车等有一定速度要求的系统。经综合比较考虑，我们放弃了此方案。 方案 2：直流电机：直流电机的控制方法比较简单，只需给电机的两根控制线加上适当的电压即可使电机转动起来，电压越高则电机转速越高。对于直流电机的速度调节，可以采用改变电压的方法，也可采用PWM调速方法。PWM调速就是使加在直流电机两端的电压为方波形式，通过改变方波的占空比实现对电机转速的调节。 基于以上分析，我们选择了方案二，使用直流电机作为电动车的驱动电机。
智能汽车路径识别中的图象处理算法
智能汽车路径识别中的图象处理算法 李 继 李晋尧 杨 明 孔士嘉 （北京印刷学院 信息与机电工程学院 北京 102600） 摘 要： 分析全国大学生智能汽车竞赛中智能汽车路径识别中的图象处理算法，重点介绍智能车车牌识别的控制算法。智能汽车通过OV7620数字摄像头对路面信息进行采集和处理，依次实现自动识别十字路口上的红绿灯、自动检测前方车距、自动识别车牌等功能，并以一个较高的稳定速度运行在规定的道路上。 关键词： 智能车；车牌识别；图象处理 中图分类号：TP391.4 文献标识码：A 文章编号：1671－7597（2011）1010184－02 1 绪论 到），D_out 是D 调节器的输出。因此，输出了相应的弧度角，小车方向控制的功能也就实现了。 随着21世纪经济全球化和信息化的加剧，计算机通信技术和计算机网 3 智能车自动识别十字路口的红绿灯 络技术等的迅猛发展，自动化信息处理能力和水平的不断提高并在人们社会活动和生活的各个领域得到广泛应用，高速度、高效率的生活节奏使汽智能车利用CMOS 摄像头识别十字路口的红绿灯，当小车驶至十字路口车普及成为必然趋势。 前，摄像头采集前方图像的灰度，当那个采集到某个区域的灰度值范围在伴随着世界各国汽车数量的增加，城市交通状况日益受到人们的重240-255时，则说明前方交通指示灯为红灯，小车在十字路口白线前停视。如何有效地进行交通管理，越来越成为各国政府及相关部门所关注的车，若没有采集到灰度值240-255范围时，认为前方交通指示灯指示为绿焦点。针对这一问题，人们运用先进的信息处理、导航定位、无线通信、灯，小车匀速驶过十字路口。当红灯变成绿灯时，小车检测到前方没有自动控制、图像处理和识别及计算机网络等科学技术，相继研发了各种交240-255的灰度值，则小车启动，驶过十字路口。 通道路监视管理系统、车辆控制系统及公共交通系统。这种智能交通系统 4 智能车车牌识别的控制实现 能够加强道路、车辆、驾驶员和管理人员的联系，实现道路交通管理自动车牌识别最基本的流程是：将采集后的图像二值化，然后依次经过车化和车辆行驶的智能化，增强交通安全，减少交通堵塞，提高运输效率，牌定位、字符分割、去除干扰，最后是字符识别。 减少环境污染，节约能源，提高经济活力。 4.1 二值化 本文设计的系统，就是在智能汽车以及飞思卡尔16位嵌入式处理器二值化是车牌识别的第一步。二值化前后的对比如下图2所示： S12X 单片机的基础上，对模拟驾驶进行创新设计，以期应用到实际的交通驾驶中。 2 智能车基于CMOS摄像头的路径识别和方向控制 智能车采用CMOS 图像传感器用于检测黑色跑道上两边的白线，扩展了检测范围，有助于选择正确的行进路线。在检测中，对图像中的前十行的像素进行分析，找出两条白线的中点，通过反复的实验，智能小车能够以一个较高的速度稳定地运行在给定的跑道上。 2.1 路线的识别和确定 路线识别和确定是智能车可以前行的前提。通过对摄像头所采集的图像进行二值化，然后对前十行的像素进行分析，由每行中两个白点的坐标来确定中心的坐标，从而得出十个中心坐标，将十个中心坐标连接起来，图2 二值化前后对比图 就是小车需要走的路径。图1所示为摄像头对跑道图像二值化的结果。 在车牌识别中，通过图像的二值变化将车牌与背景分割开来，要求转化的图像必须具有良好的保形性，不丢掉有用的形状信息，不产生额外的空缺等，其关键在于确定合适的阀值。 4.2 车牌定位 车牌定位是车牌识别的一个关键步骤，定位的准确与否直接影响着车牌识别的准确率。在车牌定位算法中，关键是寻找图像处理方法，使原始图像经图1 跑道的图像二值化结果 2.2 方向控制 智能汽车方向控制的核心是舵机控制，其输入信号是PWM 脉冲，并输出相应的弧度角。本文采用的S12单片机PWM 输出信号端口作为舵机的输入信号。为了使检测时更加稳定，本文采用了PID 控制器，由于无需考虑已经走过的轨道，所以本文只用比例微分调节器模块，下面公式显示了D 调节器的控制算法： 在enew ，eold 定义了这一次和下一次的角度的计算，t 是CMOS 摄像头扫描时间，微分系数Kd 被强制规定运行在0.5到1.5 （通过多次试验得 过该算法的处理后能够清楚地显示出车牌区域，同时使图像中的非车牌区域消失或者减弱，从而能准确有效地定位出车牌在图像中的位置。 车牌识别过程中，我们采用角点定位的方法，在所有的边界点中，选择某些曲率半径比较小的点，如图3所示（角点用红点表示）。 图3 二值化后角点定位图
传感器和路径识别
引言 “飞思卡尔”杯全国大学生智能车竞赛是以HCS12 MCU为核心的大学生课外科技竞赛。组委会提供了一个标准的汽车模型、直流电机和可充电式电池，参赛队伍要制作一个能够自主识别路线的智能车并在专门设计的跑道上自动识别道路行驶，其中比赛限制规则之一就是传感器的总数不能超过16个。由于路径识别在本智能车控制系统中的重要地位，而路径识别结果的好坏又与传感器的选择、传感器的数量有直接关系，因此，本文针对应用于路径识别的传感器进行讨论。 传感器概述 光电传感器与CCD/CMOS图像传感器是较为常见的应用于路径识别的传感器。光电传感器物理结构、信号处理方式简单但检测距离近。CCD/CMOS能更早感知前方路径信息，但数据处理方式复杂，将CCD/CMOS图像传感器应用于路径识别是发展趋势。 红外传感器分为数字与模拟两种。数字红外传感器硬件电路简单但采集路径信息粗糙，模拟式通过将多个模拟红外传感器进行适当组合，可以再现赛道准确信息，但需占用微处理器较多的AD端口。CCD/CMOS图像传感器可分为线阵式与面阵式两种。线阵式图像传感器应用于系统对检测精度有特殊要求的场合，一般价格较昂贵。面阵式图像传感器应用于普通的视频检测，价格较便宜。对于HCS12单片机的处理能力，在这里只能选用CCD/CMOS图像传感器的信号输出格式为电视信号。 设计方案 针对第一届全国大学生智能车竞赛的赛道特色，基于上述对传感器的说明，下面讨论红外传感器与CCD/CMOS图像传感器的路径识别方案。 基于反射式红外传感器的数字光电传感器阵列的路径检测方法具有较高的可靠性与 稳定性，且单片机易于处理。虽然大赛限制传感器为16个，但仍不足以解决精度问题，而且光电传感器本身存在着检测距离近的问题，不能对远方的路径进行识别，降低了对环境的适应能力，影响了智能车的快速性和稳定性。它利用传感器对白色和黑色的反射
毕业论文-基于摄像头的智能车路径识别方案
基于摄像头的智能车路径识别方案 摘要：本文按照第四届“飞思卡尔”杯全国大学生智能汽车邀请赛的技术要求，经过一段时间的资料的采集与样本电路的参照，本文主要介绍了车模的系统设计原理，系统软件，与方案简介。在硬件电路的设计与实现中，描述了最小系统设计，电源模块，并且着重描述数字摄像头OV6620，在软件系统设计中，讲述了时 钟模块，ECT模块，图像采集以及图像处理等内容，经过实践证明，这些理论方案都可以得到证明，能使汽车稳定快速运行。 关键字：智能车；摄像头；电源模块；图像采集 The identification of intelligent vehicle path of program is based on Camera Abstract: This article in accordance with the 4th "flying to Karl" Cup National University SMART Car Invitational technical requirements for the time of the information gathering and sample circuits in the light of this article introduces the car model system design principles, system software, and the programme profile. On the hardware circuit design and implementation, describes the minimum system design, power supply, with emphasis on described digital camera OV 6620 in software design of the system on the clock module, ECT modules, image acquisition and image processing, the practice has proved that these theories programmes can be proved that auto steady and rapid operation Keywords: SMART cars; camera; power supply; image acquisition 目录 前言 4
高速公路车辆路径识别系统汇总
高速公路网 车辆路径识别系统方案建议书
目录 一、概述 (3) 1.1需求分析 (3) 1.2高清车牌识别系统解决方案 (4) 1.3系统扩展功能 (4) 二、系统设计 (6) 3.1系统规划 (6) 3.2多路径车辆识别监测系统 (7) 3.2.1点位设计 (8) 3.2.2系统构成 (8) 3.3车辆超速全程监控系统 (10) 3.3.1点位设计 (11) 3.3.2系统构成 (12)
一、概述 1.1需求分析 目前在高速公路路径识别的主要技术方法有标识法、车牌照识别法、最短路径法、布瑞尔交通分配法、出口确认法、路网平衡法、最大概率法、协商法、抽样调查法等等。国内比较实用的有标识站法和车牌照识别法。 1. 标识站法 标识站识别方法是依据精确识别原理，准确识别车辆的实际行驶路径，标识站法可分为停车式和不停车两种。在本文中重点对停车式标识站进行分析，以下提到的标识站均为“停车式标识站”。 在需要设置标识站的地方设置几条带收费岛的车道，前方设标志说明，收费车道上安装费接触式IC卡读写设备，司机通过此路段时，需将IC卡在读写天线的规定距离内划过，自动栏杆开启、车辆通行，记录该标识站信息。标识站还需要设置摄像机（对冲卡车辆进行抓拍）、雾灯等安全设施。该标识站的设立实际上上相当于主线收费站的建设，由收费亭、带IC卡读写器的计算机、自动栏杆、（摄像机）、雾灯、通行灯以及通行系统组成。路径的识别主要依靠写入通行卡的标识站编码，由出口根据入口、标识站信息自动计算车辆行驶路径。 由于标识站识别方法是依据精确识别原理，准确识别车辆的实际行驶路径，因此，标识站识别方法识别的精度较高。标识站的主要缺点是车辆每次经过标识站时必须停车，导致行车速度降低，降低了高速公路的服务水平，与联网收费的精神直接想违背，对社会形象也是一种极大的损害。 2. 车牌照识别技术 随着图像识别技术的发展，也可应用“车牌照识别”技术进行多路径的识别。即高速公路出、入口设置车牌照抓拍系统，在路网内关键点设置车牌照抓拍系统，摄取通过车辆牌照。
基于ARM的智能车道路识别与控制系统设计
基于ARM的智能车道路识别与控制系统设计 电气工程及自动化学院：高文慧指导教师：陈宏钧 摘要：本文研究了智能车的道路识别与控制系统设计问题。在分析智能车模型的基础上，提出了一套智能车控制算法，并完成了硬件系统五部分的设计：电源电路，基于红外传感器的路径识别系统，前轮转向装置，电机驱动装置和远程控制电路。采用模糊控制算法控制舵机，PID算法控制驱动电机，实现了对直道、蛇形弯道以及大半径弯道三种典型道路的自动寻迹。实验结果表明智能车能稳定地寻黑线行驶，在不同类型的道路上行驶的平均速度在1.3m/s以上。 关键词：智能车；道路检测；ARM；模糊控制 Abstract：This thesis studies the track detection and control system design of a smart car. Analyzing the mechanical structure of car model, the thesis studies a conduct traffic control algorithm for the smart car and achieves a hardware system which consists of five parts: power circuit, track detecting system based on infrared,front-wheel steering device, motor driving device, and remote control circuits. The thesis develops a PID algorithm to control the drive motor and achieves a Fuzzy control algorithm to control the steering motor. As a result, the smart car can detect and follow the typical road of straight road, snake road and big radius road automatically. The experimental results show that the smart car can track the black-guide lane smoothly, and the average speed is over 1.3 meter per second on different type lanes. Key words：smart car lane detection ARM fuzzy control 1引言 智能车是一个由传感器、控制机构和控制算法组成的智能系统，其基本原理为由道路识别模块获取道路信息，经微处理器处理后产生舵机与后轮电机的驱动信号，使智能车沿着预设有黑色引导线的白色道路前进,实现自主导航。智能车的设计涉及计算机、电力电子、电机拖动等知识，其开发不仅有着诱人的应用领域和商业前景，而且是对人类智能化技术的挑战。 智能车以LPC2210微控制器为核心,配有路径识别系统，前轮转向装置，电机驱动装置和远程控制电路，能根据小车的车速和车的位置，控制小车的转向舵机和直流驱动电机，相应调整小车的行驶方向和速度，使智能小车自动地沿着一条任意给定的黑色带状引导线快速、稳定地行驶。 2智能车硬件系统 智能车系统的总体结构框图如图2-1所示，该系统以微处理器LPC2210为核心，外围包括直流电源模块、路径识别传感器阵列、转向舵机模块、驱动电机模块和车速传感器五部分。 2.1 ARM LPC2210微处理器 LPC2210芯片是世界首款可加密的具有外部存储器接口的ARM芯片，是一个支持实时仿真与踪的32位微控制器，内核为ARM7TDMI-S。片内集成了16KB的RAM，具有UART、I2C、SPI、PWM 和ADC等众多片内外设，可简化系统设计并提高其性能。极低的功耗、多个32位定时器、8路10位ADC、9个外部中断及内部PLL时钟可调使其特别适用于工业控制系统[1]。
三轴加速度传感器在智能车控制与道路识别中的应用
三轴加速度传感器在智能车控制与道路识别中的应用 赵小平程志江张永瑞段志尚 摘要：三轴加速度传感器MMA7260Q可以测量智能车惯性大小，选取最佳重心位置，并能准确定位智能车处于直线、弯道、坡道、漂移等运行状态；利用加速度传感器能够提前预测路径，并判断何时刹车效果最佳。并且很好的解决了在直立行走车模的平衡与方向识别。 关键词：智能车；加速度传感器；MMA7260Q；道路识别； 引言： 提出了一种基于三轴加速度传感器在智能车中的控制以及路径识别的设计。该设计采用三轴加速度传感器MMA7260Q测量智能车在运动中的加速度信号，以嵌入式单片MC9S12XSl28B作为核心控制器，对加速度信号进行采样，A ／D转换，再将特征数据存储在EEPROM中。很好地解决了智能车运动路径分析的问题以及在。实时获取小车加速度，从而更加全面的获取小车的运行状态，为控制的流畅性和更好的路况识别提供了可能。 在直立行走的车模中，应用同样的原理，选择最佳重心，可以很好地解决直立行走车模的平衡以及方向识别，从而加快车模的行车速度。 实验结果证明：结合加速度传感器具有很强的抗干扰性，提取角度信息更准确，确保了智能车在直道上能够以较高的速度行驶，在弯道则能基本不失速平滑地过弯。 1.智能车现存问题 在车模运行当中，人无法判断小车的运行状态，使用加速度传感器来监控小车的加速度，这样可以更加精确地知道小车的运行状态，而且可以通过对某个方向加速度的变化的检测来区分出坡道和非坡道。从而进行相应的策略应对。避免小车在比赛时出现停车与翻车现象。以及很好地解决了直立行走的车模中在行走过程中的平衡性。
2.MMA7260Q简介 加速度传感器是Freescale公司出品的MMA7260Q。 图1 芯片引脚定义 2.1M M A 7 2 6 0 Q 的特性： 在一个设备中提供三轴向XYZ检测灵敏度，可选灵敏度：1.5g、2g、4g 和6g；功耗低，具有休眠模式，低压运行一般在2.2V~3.6V，能够快速启动，一般启动时间为1ms；其低噪音，封装一般为16针脚6mm x 6mm x 1.45mm无针脚型方体扁平封装（Q F N ）。 2.2M M A 7 2 6 0 Q 的优点 为多功能应用提供灵活的可选量程：包括1.5g、2g 、4g 和6g ；功耗低，可延长电池使用寿命开机响应时间短，最适合电池供电手持设备的休眠模式，组件数量少-节约成本和空间噪音低、灵敏度高，具有自适应功能，频率及解析度高，提供精确的坠落、倾斜、移动、放置、震动和摇摆感应灵敏度不同应用的建议重力加速度级别自由落体检测：1g~2g 倾斜控制：1g~2g。 2.3加速度传感器应用分析 2.3.1干扰因素分析 芯片可以测试一个方向上的加速度变化。所以采用了不同的安装方式，其间要考虑到比较多的干扰因素。 一、车体行进过程中的机械振动