智能小车设计技术报告飞思卡尔杯智能车大赛

智能小车设计技术报告飞思卡尔杯智能车大赛内容摘要：

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 ），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”叫做行同步脉冲，它是扫描换行的标第一节 全国大学生智能 汽 车邀请赛技术报告 8 志。 然后，跳过一行后（因为摄像头是隔 行扫描的），开始扫描新的一行，如此下去，直到扫描完该场的视频信号，接着又会出现一段场消隐区。 该区中有若干个复合消隐脉冲，其中有个远宽于（即持续时间长于）其它的消隐脉冲，称为场同步脉冲，它是扫描换场的标志。 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 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。 摄像头的选择 决定赛车图像采样模 块实际横向分辨能力的不是摄像头横向的像素数，而是 AD 采样单行视频信号的点数。 一般而言，摄像头分辨率越高，单行视频信号持续的时间也越短，在 AD转换时间不变的情况下， AD 对单行视频信号所能采样的点数也越少。 例如， 对于 MC9S12DG128 的 A/D 转换时间在不超频的情况下最短为 7us的情况下。 如果选用一个分辨率为 320 线的摄像头，则单行的视频信号持续的时间约为 20ms/320=， A/D 对单行的视频信号所采集到的点数将不超过 []+1=9 个。 若使用分辨率为 640 线的摄像头，则单 行的视频信号所持续的时间约 20ms/640=31us， A/D 对单行的视频信号所采集到的点数将不超过 [31/7]+1=5 个。 由此证明了，摄像头的分辨率越高，尽管可提高纵向分辨能力，却会减少单片机 AD 采样单行信号的点数，削弱了横向分辨能力。 另一方面，现在市场上的摄像头通常都在 300 线的分辨率以上，由此推得单行视频信号的持续时间约为 20ms/300=66us 左右， AD 采样单行视频信号的点数约为[66/7]+1=10 个（不超频情况下）。 可以满足我们的智能车定位系统，可在横向上最多也只能有 10 像素的分 辨能力，这对我们的智能车定位系统来说是不够的。 所以，在选择摄像头时，我们应当尽量选择分辨率低的摄像头。 在本智能车定位系统的设计过程，我们在市场上所能找到的最低分辨率的摄像头就是采用 1/3 OmniVision CMOS 为传感芯片的摄像头，其分辨率为 320线。 第三章 智能汽车硬件设计 9 LM1881 视频同步信号分离芯片 LM1881视频同步信号分离芯片 （简称 LM1881）可从摄像头信号中提取信号的 时序信息，如行同步脉冲、场同步脉冲和奇、偶场信息等，并将它们转换成 TTL 电平 直接输给单片机的 I/O口作控 制信号之用。 LM1881的端口接线方式如 所示。 图 LM1881引脚图 其中，引脚 1 为行同步信号输出端，引脚 2 为视频信号输入端。 引脚 3 为场同步信号输出端，当摄像头信号的场同步脉冲到来时，该端将变为低电平，一般维持 230us，然后重新变回高电平。 引脚 7 为奇 偶场同步信号输出端，当摄像头信号处于奇场时，该端为高电平，当处于偶场时，为低电平。 事实上，我们不仅可以用场同步信号作为换场的标志，也可以用奇 偶场间的交替作为换场的标志 ，如图 ： COMP SYNC O1COMP VID IN2VERT SYNC O3GND4BACK PORCH5RST6ODD/EVEN O7VCC8U?LM1881MVCC 512VC110KR?C2行同步信号奇 偶场同步信号场同步信号同步 /水平同步信号输出视频信号输入端第一节 全国大学生智能 汽 车邀请赛技术报告 10 场 消 隐 区场 同 步 脉 冲视 频1 H2 3 0 μ s t y p偶 场奇 场abcd( a ) 视 频 信 号 ； ( b ) 行 同 步 信 号 ； （ c ） 场 同 步 信 号 ； ( d ) 奇 偶 场 同 步 信 号 图 LM1881信号时序图 采样电路的设计 摄像头视频信号端接 LM1881 的视频信号输入端，同时也接入MC9S12XS128 的一个 A/D 转换器口。 LM1881 的行同步信号端（引脚 1）接入MC9S12XS128 的一个带中断能力的 I/O 口即 PJ7口。 之所以选用带中断的 I/O 口是因为，行同步信号持续时间较短，为了不漏检到行同步信号，若使用普通 I/O 口，则只能使用等待查询的方式来检测到行 同步信号，这会浪费不少MC9S12XS128 的 CPU 资源。 LM1881 的奇 偶场同步信号输出端 (引脚 7)接MC9S12XS128 的 具有中断能力的 I/O口 PJ6。 在此，我们选择奇 偶场同步信号来作为换场的标志信号，而不是选用 LM1881 引脚 3 输出的场同步信号。 这样做的好处是，当摄像头信号处于奇场或偶场时，则奇 偶场信号整场都相应地处于高电平或低电平 ，若有中断信号发生 ，就可以知道摄像头信号换场了。 接奇 偶场同步信号时，用中断的方式来判断换场的发生同样是很方便的。 上述摄像头、LM1881 电路和 S12 就构成了本智能车定位系统的图像采样模块。 该图像采样模块要达到的目的就是得到符合我们精度要求的图像数据 ， 采样电路图如图 所示： 第三章 智能汽车硬件设计 11 COMP SYNC O1COMP VID IN2VERT SYNC O3GND4BACK PORCH5RST6ODD/EVEN O7VCC8U2LM1881MVCC1GND2VD3U35V10KC12PJ7PE1PJ616KR875R710KFC1410KFC13510PFC269v 图 采样电路图 采样效果如图 、 ： 图 采集到的赛道视频图像 图 S 弯道视频图像 第一节 全国大学生智能 汽 车邀请赛技术报告 12 摄像头的安装 1 5c m8 c m2 5 c m8 0 c m5 c m2 0 c m4 0 c m 图 摄像头安装示意图 为取得良好的视频效果摄像头的 安装 尤为重要，安装 得低了， 前瞻 不够 影响寻线的有效范围；安装得高了， 里小车远处的黑点个数减少数据可靠度明显下降，同时增加单片机工作量 而且赛车系统会因重心抬高而稳定性变差。 安装位置合适的一个标准就是： 能够满足前瞻的前提下尽量缩小拍摄范围。 13 第四章 智能汽车软件设计 智能车软件系统总体流程图 智能车系统软件设计总体框架如图 所示： 开 始系 统 初 始 化图 像 信 息 采 集 速 度 信 息 采 集判 断 赛 道 变 化 趋 势及 小 车 位 置判 断 小 车 稳 定 性小 车 方 向 控 制 小 车 速 度 控 制控 制 舵 机 控 制 电 机P I D 算 法加速减速刹车制动 图 智能小车软件框架流程图 赛道识别 对于智能小车而言赛道识别是关键 环节，赛道识别的好坏直接影响小车的运行状态， 是比赛能否取得良好成绩的关键。 第一节 全国大学生智能汽车邀请赛技术报告 14 图像 分割 图像二值化主要有阈值和边界两种方法。 经过大量测试，我们发现边界方法确实有较好的抗反光能力，在光线不均匀的环境下，边界方法的表现比阈值方法要好很多，在不同管线环境下，与之可能变化跟大，而边界变化则要小很多。 然而，我们发现边界方法也有很多缺陷： 1. 无法分辨整行全黑和整行全白的情况。 2. 图像不清楚时丢失半边边界的情况很多，对起跑线识别造成困难。 3. 图像一旦模糊，边界将无法提取。 边缘检测的主要依据是 图像的一阶导数和二阶导数。 但是导数的计算对噪声敏感，所以在进行边缘检测前需要对图像滤波。 大多数的滤波算法在滤除噪声的同时，也降低了边缘的强度。 此外，几乎所有的滤波算法都避免不了卷积运算，对于智能车系统来说，这种运算的计算量是 MC9SS12XS128 单片机系统所无法承受的。 尽管阈值方法的管线适应能力较弱 ，但比赛场地的光线不会大幅度的变化，并且阈值方法没有上述的这些缺陷，因此，我们最终采用了阈值方法对图像进行二值化 ,阈值方法可以完全满足要求。 对于阈值分割存在全局阈值分割法、局部阈值分割法及动态阈值分割法。 针对 本次比赛赛道的特点同时考虑到单片机的片内资源，因为智能车的运行环境是比 赛赛道，背景和前景区分明显，且背景简约，并且比赛场地的光线的影响较小 ，前景于背景相对明显。 结合实际需要， 我们采用全局阈值分割方法对采集到的图像进行处理，同时考虑到距离小车较远处的视场受到光线的影响灰度值变大，因此对于小车远处的像素点采用当前阈值 加一作为小车远处的阈值。 这样做的好处是算法简单程序代码小，占用单片机资源少，处理速度快的同时图像分割后的效果能够满足控制精度要求。 对于分割以后的图像进行而至。