道路自動識別的智能車設計

苗培梓 楊有為 王德宇 鄧 偉 姜爾赤

（1.東北石油大學 電子科學學院，黑龍江 大慶 163318；2.大慶油田有限責任公司第二采油廠 工程技術大隊，黑龍江 大慶163414）

0 引言

隨著全球信息和科技革命的興起，智能化和信息化廣泛應用于我們的生產生活當中，而對智能汽車的需求和發展，亦受到眾多國家的重視和支持。 近年來，智能車己經成為世界車輛工程領域研究的熱點和汽車工業增長的新動力，很多發達國家都將其納入到各自重點發展的智能交通系統當中。 我國的智能汽車產業目前處于起步階段，較發達國家的發展水平還很落后，因此，對智能車的研究有助于我們智能汽車工業的發展和進步。

本智能車硬件平臺采用MC9S12XS128 微處理器作為系統處理控制器，主要控制轉向舵機和驅動電機，調試平臺采用Code Warrior 軟件。 智能車的制作主要涉及單片機控制電路的設計、攝像頭圖像信號的采集及其處理、控制算法和控制策略優化等方面。

1 智能車系統設計

本智能車系統以 MC9S12XS128 單片機為核心控制單元，采用數字攝像頭作為識別道路的傳感器， 通過光電編碼器檢測模型車的速度，使用增量式PID 閉環控制算法，通過 PWM 波調節驅動電機的轉速和轉向舵機的角度。我們力求系統的簡單高效，在滿足智能車性能的要求下， 使硬件結構最簡單。

1.1 MC9S12XS128 單片機簡介

MC9S12XS128 是16位單片機， 由16 位中央處理單元、128KB 程序Flash、8KB RAM、8KB 數據Flash 組成片內存儲器。

1.2 攝像頭的選擇

攝像頭根據所傳達的信號， 可分為 CCD 攝像頭和 CMOS 攝像頭。CCD 攝像頭又稱為模擬攝像頭，其采集到的視頻信號是模擬信號，需要經過A/D 模塊進行數模轉換成數字值后再進行處理和使用。 CCD 模擬攝像頭采集動態圖像效果比較好，采集到的圖像信息比較清晰且穩定性好，對比度也相對較高。但需要12V 的工作電壓，對整個系統運行來說過于耗電。

CMOS 攝像頭又稱為數字攝像頭，其內部集成了A/D 模塊，直接輸出數字值可以將采集到的視頻信號直接轉換成數字信號。 CMOS 數字攝像頭硬件電路相對簡單，工作電壓低，體積小，功耗也小，但圖像穩定性不好，在動態圖像的顯示中不如CCD 攝像頭清晰。而在本智能車設計中，由于CMOS 攝像頭已經能滿足設計的性能要求，在考慮效率和功耗的基礎上，選用CMOS 攝像頭系列的OV7620。

1.3 主板電路

主板上裝有組成本系統的主要電路，包括如下部件：攝像頭接口、舵機接口、電機驅動電路、編碼器接口、撥碼開關接口、電源接口、單片機最小系統板插座等。 主板電路圖如圖1 所示：

圖1 主板電路圖

圖2 主板電路原理圖

1.4 主板電路原理圖

智能車主板電路主要有五個模塊：控制處理芯片、舵機驅動模塊、電機驅動模塊、圖像采集模塊、速度采集模塊和電源模塊。主板電路原理圖如圖2 所示：

其中，MC9S12XS128 單片機是系統的核心部分，它負責處理道路圖像數據、行駛速度等反饋信息，通過控制算法得出的控制量來對舵機與驅動電機進行控制。舵機模塊和驅動模塊分別用于實現車模的轉向和驅動；圖像采集模塊由攝像頭和電平轉換電路組成，其功能是獲取前方路徑的圖像數據；速度采集模塊由光電編碼器提供，通過檢測脈沖累積數來求得車模的速度值；電源模塊主要用于為系統其他各個模塊提供所需要的電源。此外還有串口通信，撥碼開關等小模塊，功能是輔助調試和方便參數微調。

2 軟件開發

當系統的硬件部分都設計定型后，建立在其上的軟件系統便直接決定了系統的后續使用性能和智能化程度。軟件系統的基本設計思路就是能采集穩定圖像且分析處理去噪，然后通過核心芯片的控制系統，做出判斷并發出指令，根據實際路況和周圍環境，有效地控制電機驅動和舵機轉向。 軟件開發主要涉及圖像采集、路徑識別、舵機控制和電機控制等。

2.1 智能車主程序設計思路

智能車軟件系統的開發， 其實就是能控制智能車在道路上穩定、安全、快速地跑完全程，也就是在眾多設計思路中，求解一個最優解的問題，就是在最短的時間內跑完整個包含復雜環境的賽道；采取最優的控制算法完成對賽道的識別并作出合理的執行措施；并能夠很好地去除噪點且保證智能車運行穩定。

2.2 控制算法

經過反復調試和測算，在采集圖像完整、道路信息正確的情況下，我們采用經典的PID 算法對智能車進行閉環控制。 假定單位反饋e(t)代表理想輸入與實際輸出的誤差，這個誤差信號被送到控制器，控制器處理算出誤差信號的積分值和微分值，并將它們與原誤差信號進行線性組合，得到輸出量U(t)進而控制PWM 模塊，通過PWM 模塊對舵機和電機進行有效控制。PID 控制器由比例單元P、積分單元I 和微分單元D 組成，其反饋輸入e(t)與輸出U(t)的關系為:

U(t)=Kp[e(t)+1/Ti∫e(t)dt+Td*de(t)/dt]

式中積分的上下限分別是0 和t，其中Kp 為比例系數；Ti 為積分時間常數；Td 為微分時間常數。本軟件設計采用增量式PID 算法，PID控制算法是工程實際中應用最為廣泛的調節器控制規律，其規律和特性已眾所熟知，此處就不再贅述。

2.3 中心線的確定

灰度值是指黑白圖像中點的顏色深度， 范圍值從0 到255 變化，白色為255，黑色為0。 我們采用的數字攝像頭OV7620 反饋的圖像信息就是黑白圖像，根據實際環境的變化，即光線明暗會隨著時間和路況的不同而發生變化，我們采用動態閾值的處理辦法，對道路黑白圖像進行二值化處理并去噪，就會得到我們需要的圖像。 處理后的圖像通過液晶屏顯示出來，如圖3 所示：

圖3 道路實況二值化

道路的二值化處理結果的反饋信息， 就是攝像頭的掃描結果，實際上也就是由行和列組成的一系列的數值。智能車的行駛需要一條系統自動識別處理得到的行車線， 其實就是沿著道路的中性線行駛，根據道路圖像的二值化處理結果，需要計算出道路的中心線。 我們采取隔行隔列處理圖像的辦法，實際處理了50 行74 列，假定遇到彎道等復雜路況時，我們只處理30 行。攝像頭采集的黑白圖像離車身最近的一行是第50 行。我們設定智能車的起步線為第50 行的第37 列，即為道路的中間點，以此為基準，當攝像頭掃描第49 行時，以50 行的中心點作為本行的基準點向兩邊掃描，以此類推；當一幅圖像掃描結束，我們記錄這幅圖像最后一行的中心點， 作為下一幅圖像第50 行的中心點，然后再以此為中心點向兩側掃描。如此執行中心線提取的任務，會增加圖像信息的準確性，以上一行的中心點作為本行處理掃描的基準點，由于兩行數據的實際距離不大，故兩行的中心點數值偏差不會太大，即使是急彎道的相鄰兩行的中心點數值相差也不會很大，如若數值差別較大，那么就可以認定為是噪點，直接設置此點數據無效。 此外，這樣的處理方式還會大大節省單片機的運算處理時間，提到處理效率。有了穩定且可靠的中心線，智能車就可以沿著中心線行駛了，我們的設計目的也就達到了。

［1］卓晴，黃開勝，邵貝貝.學做智能車[M].北京：北京航空航天大學出版社，2007.