OpenMV的紅綠燈識別測距系統(tǒng)設(shè)計(jì)

華北理工大學(xué)電氣工程學(xué)院 張博文 馬德彬 宋永旭 戚翔琛

本篇簡敘了一種基于OpenMV的紅綠燈智能識別測距系統(tǒng)，通過卡爾曼濾波去噪預(yù)處理防止鏡頭畸變，應(yīng)用神經(jīng)網(wǎng)絡(luò)法進(jìn)行圖像識別，可以精確檢測紅綠燈數(shù)值、距離，以數(shù)字信號輸出紅綠燈信息，可作為硬件模塊應(yīng)用于各類復(fù)雜系統(tǒng)，為道路檢測、汽車自動駕駛、智能機(jī)器人的研發(fā)提供了更多的可能性。

基于圖像識別的自動駕駛技術(shù)為當(dāng)今研究的熱門課題，為了更大程度的解放雙手，增加路況識別的準(zhǔn)確性與實(shí)時性，保障自動駕駛的安全性與系統(tǒng)穩(wěn)定性，本篇依據(jù)OpenMV技術(shù)、卡爾曼濾波算法、神經(jīng)網(wǎng)絡(luò)分析法，從紅綠燈識別入手，研究一種搭建于stm32平臺的紅綠燈路況識別系統(tǒng)，達(dá)到路況的精準(zhǔn)識別。

1 硬件介紹

本系統(tǒng)是一種搭建于stm32f403的OpenMV的嵌入式系統(tǒng)，單片機(jī)與OpenMV之間采用同步串行口通信，使用stm32f403的USRT1 RX，TX分別于OpenMV的TX，RX相連，進(jìn)行數(shù)據(jù)交換，單片機(jī)將得到的數(shù)據(jù)進(jìn)行計(jì)算分析，得到所需信號。

本系統(tǒng)選用OPENMV2 M4攝像頭模組，該模組配備stm32f427芯片，OV7725感光元件，可以處理640×480 8-bit灰度圖或者320×240 16-bit RGB 565彩色圖像。選用OpenMV平臺處理速度更快，精度高，數(shù)據(jù)精確，負(fù)載輕，系統(tǒng)穩(wěn)定，可達(dá)到設(shè)計(jì)的預(yù)期效果。

2 算法介紹

本系統(tǒng)主要對于紅綠燈位置和距離進(jìn)行識別，以下簡述識別算法的改進(jìn)與優(yōu)化，作為圖像識別的基本問題，像素點(diǎn)急劇變化的關(guān)鍵事件點(diǎn)是識別的重要依據(jù)。本系統(tǒng)對于交通燈的識別主要分為形狀識別和色彩識別兩部分。

圖1 Lab顏色庫圖例

2.1 預(yù)處理

2.1.1 對比色庫

在顏色識別方面，我們對識別方法做了改進(jìn)，相比傳統(tǒng)的RGB顏色模型，我們采用了對比lab色庫的方式，對于顏色和亮度分別儲存，如圖1所示，可以更好的將顏色信息反映到數(shù)據(jù)當(dāng)中，增大顏色識別的準(zhǔn)確性。Lab色彩模型比計(jì)算機(jī)顯示器，甚至人類視覺系統(tǒng)的色域都要大。在本系統(tǒng)中，分別對a軸紅綠分量，b軸黃藍(lán)分量進(jìn)行判斷，采用基于閾值的分割識別法，識別紅黃綠三種信號燈，可以改善傳統(tǒng)RGB色庫識別不準(zhǔn)確問題。

2.1.2 二值化處理

在完成了對圖片的信息色彩識別后，我們進(jìn)一步的識別，將符合閾值內(nèi)符合信號燈色彩的關(guān)鍵像素點(diǎn)設(shè)為1，其余設(shè)為0，這樣就得到了一個雙色位的識別圖，如圖2所示，在圖中我們可以看到，紅色信號燈的顏色為黑色，可以清晰看到其形狀。但是由于系統(tǒng)噪聲大等問題，圖像識別的效果仍不理想。

圖2 經(jīng)過特殊二值化處理后的圖像

2.1.3 濾波處理

接下來對圖像進(jìn)行濾波處理，我們將相鄰10ms所拍攝的圖片進(jìn)行比對，通過卡爾曼濾波算法，對不同時刻的圖片賦予不同權(quán)值，最后計(jì)算算數(shù)平方跟，結(jié)果不足0.375的值為0，反之為1，進(jìn)而得到新的二值圖像，如圖3所示。但是我們發(fā)現(xiàn)仍然有很大問題，由于車是運(yùn)動的，相鄰幾毫秒拍下的圖片進(jìn)行處理會使計(jì)算結(jié)果出現(xiàn)一定微小形變，則通過最近一次拍下的圖片對二值圖片進(jìn)行校正，得到最終的識別圖像，可以減少失真。

圖3 經(jīng)過濾波算法后的二值化圖像

2.2 識別比對

對預(yù)處理后的圖像進(jìn)行識別對于，與圖形庫中的圖形進(jìn)行比對，經(jīng)過測試，匹配度超過83.45%則匹配成功，成功后對像素點(diǎn)進(jìn)行邊緣化識別，對面積進(jìn)行積分計(jì)算，可得出圖形面積（單位；像素），根據(jù)像素面積的情況計(jì)算信號燈距離。由于環(huán)境中干擾嚴(yán)重，一些圓形車燈和道路中圖案會對結(jié)果嚴(yán)重干擾，我們采用卷積神經(jīng)網(wǎng)絡(luò)法進(jìn)行識別。

圖4 識別數(shù)字實(shí)例

據(jù)我們所知，人類的視覺系統(tǒng)是世界上最優(yōu)越的系統(tǒng)之一，我們可以簡單的辨別出圖中數(shù)字“123456”，是因?yàn)槲覀儗@些數(shù)字的了解程度非常深，不知不覺中就完成了識別。機(jī)器學(xué)習(xí)也是如此，通過復(fù)雜的深度學(xué)習(xí)，也可以到到同樣的效果。我們通過調(diào)用YOLO動態(tài)庫，對系統(tǒng)進(jìn)行訓(xùn)練，使系統(tǒng)“熟悉”這些圖像，可以快速識別出所需對象。識別數(shù)字實(shí)例如圖4所示。

3 結(jié)論

基于OpenMV強(qiáng)大的硬件支持，和lab顏色庫比對、濾波算法、神經(jīng)網(wǎng)絡(luò)識別的算法保障，可以使系統(tǒng)識別精度準(zhǔn)確性顯著增強(qiáng)。圖5所示為本系統(tǒng)實(shí)際效果圖。本系統(tǒng)可應(yīng)用于汽車自動駕駛、道路情況分析、智能機(jī)器人研發(fā)，實(shí)用性巨大。

圖5 實(shí)際效果