基于邊緣檢測算法的智能車循跡系統(tǒng)設計

柯其延，闕大順，楊錦濤，盧偉

(武漢理工大學 信息工程學院，武漢 430070)

0 引言

近年來無人駕駛汽車一直受到眾人的矚目，被認為是車聯(lián)網(wǎng)的終極目標。同時隨著汽車電子行業(yè)的逐漸升溫與技術的日漸發(fā)展，越來越多的汽車廠商開始延伸智能車用載具平臺，發(fā)展新一代自動駕駛技術。目前谷歌，奧迪都致力于研發(fā)無人駕駛技術，牛津等學府機構(gòu)也努力研發(fā)新的技術實現(xiàn)方向［1］。

本文設計的一種智能車循跡系統(tǒng)是智能圖像識別技術與單片微處理技術的相結(jié)合的綜合運用，實現(xiàn)了賽道識別，自動循跡的功能，使智能車平穩(wěn)快速地在賽道上行駛。該模型車為未來的無人駕駛汽車的發(fā)展提供了一種新的思路，有一定的參考意義。

1 系統(tǒng)整體設計

智能車系統(tǒng)主要由電源管理，電機驅(qū)動，路徑識別，速度檢測四大模塊組成。硬件上，以MK60DN512ZVLQ10為核心控制芯片，兩片BTS7970構(gòu)成的橋式電路作為電機驅(qū)動電路，TSL1401線性CCD作為賽道檢測元件［2］321。軟件上，采用邊緣檢測算法，輔以增量式PID算法控制電機轉(zhuǎn)速和轉(zhuǎn)向本文主要針路徑識別模塊與速度PID控制模塊進行研究和設計。系統(tǒng)總體結(jié)構(gòu)框圖如圖1所示。

圖1 系統(tǒng)總體結(jié)構(gòu)框圖

2 硬件設計

2.1 主控制器模塊

Kinetis是基于ARMCortexTM－M4具有超強可拓展性的低功耗、混合信號微處理器。多達32通道的DMA可用于外設和存儲器數(shù)據(jù)傳輸并減少CPU干預。K60微控制器系列具有以下性能:IEEE 1588以太網(wǎng)，全速和高速USB 2.0 On－The－Go帶設備充電探測，硬件加密和防竄改探測能力。豐富的模擬、通信、定時和控制外設從100 LQFP封裝256 KB閃存開始可擴展到256 MAPBGA 1MB閃存。大閃存的K60系列器件還可提供可選的單精度浮點單元、NAND閃存控制器和DRAM控制器。

本文系統(tǒng)核心控制模塊采用飛思卡爾公司的MK60DN512ZVLQ10芯片組成的最小系統(tǒng)及相應接口模塊組成。其最小系統(tǒng)設計簡單，采用50 MHz和32.768 kHz的外部晶振，復位電路設計成按鍵復位和上電自動復位的方式。

2.2 電源管理模塊

電源部分是智能車系統(tǒng)的重要部分，電源穩(wěn)定供電，智能車系統(tǒng)才能穩(wěn)定工作。使用電壓7.2 V，2000 mAh的鎳鎘電池供電，而系統(tǒng)需要穩(wěn)定的5 V與3.3V電壓，故必須穩(wěn)定的降壓輸出5 V與3.3 V。使用TI公司的降壓芯片LM2940和LM1117－3.3 V，在輸入為6.5 V～8.2 V之間時，LM2940芯片能穩(wěn)定輸出5 V電壓給電機，舵機，TSL1401模塊供電，LM1117－3.3 V芯片能穩(wěn)定輸出3.3 V電壓給MK60DN512ZVLQ核心控制器供電。穩(wěn)壓電源電路圖如圖2所示。

圖2 穩(wěn)壓電源電路圖

2.3 電機驅(qū)動模塊

電機驅(qū)動電路由H橋式電路組成。為使K60能夠驅(qū)動電機工作，且能使電機正反轉(zhuǎn)，通過兩片英飛凌公司的BTS7970構(gòu)成橋式電路。BTS7970的最大驅(qū)動電流為68 A，驅(qū)動能力極強。通過K60輸入的兩路PWM的占空比不同，控制輸出電流的大小與方向，從而控制電機轉(zhuǎn)速與方向。電機驅(qū)動電路如圖3所示。

圖3 BTS7970橋式驅(qū)動電路

2.4 圖像采集模塊

賽道信息的采集由TSL1401線性CCD模塊完成，該模塊以TAOS公司生產(chǎn)的TSL1401R芯片為核心，集成了高達128像素的線性陣列傳感器以及專門用于線性CCD的透鏡。該模塊可以看到一維的圖像，并可以通過移動模塊來獲得二維圖像。

圖4 TSL1401引腳圖

TSL1401線性CCD的輸出信號和環(huán)境光線密切相關，AO引腳輸出電壓值在白天自然光條件比晚上光源下高出很多，白熾燈光下比日光燈下輸出電壓高，同時正對光線比背光線輸出電壓高。因此，同一參數(shù)(鏡頭光圈、曝光時間)難以適應不同的環(huán)境，在光線較弱環(huán)境下的參數(shù)在強光下會出現(xiàn)輸出飽和，在較強光線下調(diào)節(jié)好的參數(shù)在弱光下輸出電壓過低，甚至處于截止狀態(tài)。在智能車應用中，白天自然光環(huán)境和晚上燈光環(huán)境、正對光和背光、不同的比賽場地之間都不能采用相同的曝光參數(shù)。與輸出電壓密切相關的參數(shù)是曝光量，曝光量取決于CCD模塊所采用的鏡頭光圈大小和程序所控制的曝光時間。智能車為適應各種運行環(huán)境，必須實時感知環(huán)境，并根據(jù)環(huán)境閉環(huán)調(diào)節(jié)曝光量，使得在不同環(huán)境中曝光量都處于合理的范圍，這樣才能保證在不同環(huán)境中CCD輸出電壓在合理范圍，以利于算法提取黑線信息。鏡頭相關參數(shù)一旦選定在智能車運行難以改變，曝光時間比較容易通過程序控制，故通過軟件調(diào)整曝光時間。要增大輸出電壓，就是放大輸出信號，可以采用運放來放大AO(IN)輸出信號。為了能保證輸出電壓在合理范圍(不飽和、不截止、能分辨賽道黑線)，需要根據(jù)選定的鏡頭確定運放放大倍數(shù)。

圖5 LMV358運放電路

圖5所示的運放放大倍數(shù) A =1+R1/R2，也就是對TSL1401的輸入信號AO(IN)進行A倍放大。

2.5 速度檢測模塊

速度采集的方法有很多種，本文采用的是歐姆龍旋轉(zhuǎn)式增量型編碼器采集電機速度。編碼器能產(chǎn)生A、B相脈沖，根據(jù)A、B相脈沖的數(shù)量與相位差，確定電機的轉(zhuǎn)速與方向。編碼器安裝圖如圖6所示。

圖6 歐姆龍編碼器安裝圖

3 軟件設計

3.1 賽道檢測模塊軟件設計

本系統(tǒng)軟件采用IAR軟件與藍牙為調(diào)試工具，C語言進行程序設計，算法基本原理見框圖。在方向控制中，采用線性CCD對賽道信息進行采集，經(jīng)過相關圖像處理之后，計算得方向偏差。以此作為方向控制的輸入量，通過舵機轉(zhuǎn)向角不同控制車模轉(zhuǎn)向消除車模距離道路中心的偏差［3］。程序設計流程圖如圖7所示。

圖7 TSL1401賽道信息采集流程圖

提取賽道邊沿的原則是在保證準確性的前提下提高運算速度，并具有較好的環(huán)境適應能力。本設計使用的是邊緣檢測算法。由于白板的灰度值很大，黑線的灰度值很小，所以會檢測到一個下降沿的跳變，記錄下跳變沿發(fā)生時的列號，就能確定出黑線的位置，即采用閾值法提取邊緣［4］。只需設定好跳變的閾值，就可以比較準確的檢測出黑色引導線。采用由近到遠的搜索方式，搜索圖像的有效邊沿和無效邊沿，找到左右邊線，以黑線的位置為基準建立搜索窗口，然后分別在窗口內(nèi)繼續(xù)尋找雙邊線［5］。

3.2 速度控制部分軟件設計

在過程控制中，PID控制器，一直是應用最為廣泛的一種自動控制器;PID控制也一直是眾多控制方法中應用最為普遍的控制算法，PID算法的計算過程與輸出值(OUT)有著直接函數(shù)關系。本系統(tǒng)采用增量式PID控制算法。增量式PID是指數(shù)字控制器的輸出只是控制量的增量。當執(zhí)行機構(gòu)需要的控制量是增量，而不是位置量的絕對數(shù)值時，可以使用增量式PID控制算法進行控制［6］。

(1)與(2)相減整理后可得增量式PID控制算法公式為:

由(1－3)可看出，只要控制系統(tǒng)采用恒定的采樣周期T，一旦確定A、B、C，只要使用前后三次測量的偏差值，就可以由(1－3)求出控制量。增量式PID控制算法計算量小，應用在智能車系統(tǒng)，調(diào)試方便。速度控制PID算法流程圖如圖8所示。

圖8 PID速度控制流程圖

4 智能車測試結(jié)果與分析

實驗主要包括智能車循跡過程中，上位機采集賽道圖像與數(shù)據(jù)分析。本文系統(tǒng)在賽道上測試了45度，60度和135度彎以及10m長直賽道，智能車能以2 m/s的速度穩(wěn)定行駛在賽道上。本文設計的智能車如圖9所示。

圖9 智能車實物圖

TSL1401線性CCD每次只能掃描一行賽道信號，而根據(jù)一行賽道信息是無法使智能車正常行駛的。故每次處理5～6行采集的賽道信息，用K60處理后再控制舵機是否轉(zhuǎn)動和電機轉(zhuǎn)速。

在日光燈條件和自然光條件下測試結(jié)果相差不大，測試結(jié)果如表1所示。

表1 賽道測試結(jié)果

5 結(jié)束語

本文介紹了基于TSL1401線性CCD循跡的智能車系統(tǒng)設計。該系統(tǒng)以freescale 32位單片機MK60DN512ZVLQ10為核心控制芯片，通過曝光可調(diào)邊緣檢測算法提取賽道黑線，采用增量式PID控制算法，通過旋轉(zhuǎn)式速度傳感器采集智能車速度對小車形成速度閉環(huán)控制［2］323。該智能車系統(tǒng)為無人駕駛汽車提供了一種思路。

［1］ 狄港生. 無人駕駛迷失［J］.汽車雜志，2013，34(2):44.

［2］ 李興澤，王福平.基于CCD攝像頭的小區(qū)自動循跡停車系統(tǒng)［J］.計算機應用，2013，33(S1):321－323.

［3］ 艾超.基于方向小波變換的圖像邊緣檢測算子研究［D］.西安:西安電子科技大學，2013.

［4］ 邢尚英.基于小波變換的圖像邊緣檢測［D］.成都:成都理工大學，2013.

［5］ 李萱.小波神經(jīng)網(wǎng)絡特征提取技術在圖像邊緣檢測中的應用［D］.成都:電子科技大學，2013.

［6］ 黃智偉.全國大學生電子設計競賽訓練教程(修訂版)［M］.北京:電子工業(yè)出版社，2010.