基于攝像頭的智能車路徑識(shí)別與方向控制算法

陳慶強(qiáng)，湯龍梅，蔡文培

（福建工程學(xué)院信息科學(xué)與工程學(xué)院，福建福州350118）

基于攝像頭的智能車路徑識(shí)別與方向控制算法

陳慶強(qiáng)，湯龍梅，蔡文培

（福建工程學(xué)院信息科學(xué)與工程學(xué)院，福建福州350118）

針對A／D轉(zhuǎn)換精度高但速度慢而電壓比較器速度快但精度低，提出了結(jié)合二者來對攝像頭輸出的道路視頻信息進(jìn)行采集的方法。每行分別可靠采集12個(gè)高精度點(diǎn)和132個(gè)二值點(diǎn)，去噪后采用最小二乘法擬合直線獲得智能車控制所需要的路徑信息。采用跟蹤智能車偏離引導(dǎo)線中心的平均距離和引導(dǎo)線斜率的雙指標(biāo)改進(jìn)PID算法實(shí)現(xiàn)對智能車的方向控制。較傳統(tǒng)的路徑識(shí)別與方向控制算法相比，該算法具有數(shù)據(jù)采集和方向控制精確、系統(tǒng)魯棒性更好的特點(diǎn)。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提出方法的可行性。

攝像頭；智能車；路徑識(shí)別；方向控制

智能車在現(xiàn)代物流業(yè)、柔性制造系統(tǒng)中有著重要的應(yīng)用，并在倉庫自動(dòng)化、工業(yè)生產(chǎn)、圖書館、餐飲服務(wù)、國防等領(lǐng)域有著極為廣闊的應(yīng)用前景［1］。智能車技術(shù)涵蓋了控制、模式識(shí)別、傳感技術(shù)、電子、電氣、計(jì)算機(jī)、機(jī)械等多學(xué)科交叉技術(shù)［2-5］。智能車控制的關(guān)鍵技術(shù)之一是利用傳感器獲取實(shí)時(shí)道路信息并對其分析處理，確定路徑，再實(shí)現(xiàn)對智能車運(yùn)動(dòng)方向和速度的自動(dòng)控制，使其沿著既定軌道準(zhǔn)確、安全、平穩(wěn)、快速地行駛。本文以飛思卡爾智能車競賽為背景，設(shè)計(jì)了基于攝像頭的智能車軟硬件系統(tǒng)，采用了AD轉(zhuǎn)換和電壓比較器相結(jié)合的路徑采集方案，實(shí)現(xiàn)了跟蹤智能車偏離引導(dǎo)線中心平均距離和引導(dǎo)線斜率雙指標(biāo)的改進(jìn)PID方向控制算法，數(shù)據(jù)采集和方向控制效果均較為理想。

1 總體結(jié)構(gòu)設(shè)計(jì)

智能車總體結(jié)構(gòu)如圖1所示，攝像頭OV5116負(fù)責(zé)采集智能車前方約50 cm范圍內(nèi)的道路信息，并將視頻信號(hào)直接送往電壓比較器LM339，可獲得一組二值化道路信息，同時(shí)經(jīng)同步分離芯片LM1881對視頻場、行分離后送往MC9S12XS128單片機(jī)的A／D轉(zhuǎn)換模擬信號(hào)輸入端，可獲得一組8位數(shù)字量道路信息。結(jié)合這二組信息進(jìn)行分析、處理，實(shí)現(xiàn)對智能車前方路徑的識(shí)別，為智能車的行駛方向和速度控制提供準(zhǔn)確的數(shù)據(jù)。通過編碼器E6A2-CS3C獲取智能車當(dāng)前行駛速度。根據(jù)路徑識(shí)別的信息和當(dāng)前的行駛速度，按照預(yù)定的控制算法由單片機(jī)輸出PWM信號(hào)給驅(qū)動(dòng)電路分別控制電機(jī)和舵機(jī)，使智能車按照預(yù)想的方向和速度可靠地行駛。電源模塊給各電路模塊提供所需的電源。

圖1 總體結(jié)構(gòu)Fig．1 Overall structure of smart vehicle

2 路徑識(shí)別方案

智能車賽道含有直線、大小彎道（含S彎）和十字交叉等元素，寬度為50 cm，路面為白色，中間有寬度為2．5 cm的黑色帶狀標(biāo)志作為引導(dǎo)線［6］。賽道路徑識(shí)別對智能車控制至關(guān)重要，沒有準(zhǔn)確的路徑識(shí)別，再好的控制算法也無法發(fā)揮作用。路徑識(shí)別主要包括路徑數(shù)據(jù)采集以及控制所需信息提取兩部分。

2．1 賽道信息采集

賽道信息采集的功能是將道路信息以數(shù)字量的形式輸入到單片機(jī)內(nèi)，并且應(yīng)具有足夠高的分辨率。

攝像頭可產(chǎn)生320×240 pics圖像信號(hào)，圖2是用示波器觀察到的一行含有藍(lán)色背景、白色道路和黑色引導(dǎo)線的視頻信號(hào)。使用A／D轉(zhuǎn)換其分辨率足以區(qū)分黑色引導(dǎo)線與藍(lán)色背景，但由于視頻信號(hào)中一行的掃描時(shí)間為64μs，扣除行同步和行消隱占用的時(shí)間，圖像信號(hào)大約只有52μs。按照MC9S12XS128單片機(jī)16 M標(biāo)準(zhǔn)工作主頻，A／D轉(zhuǎn)換設(shè)為8位，則轉(zhuǎn)換一次最快約需4 μs［6］，這樣一行最多只能獲得12～13個(gè)數(shù)據(jù)，故分辨率不高。通過把MCU超頻到64M和減少A／D采樣時(shí)間［7-9］，可提高采集點(diǎn)數(shù)，在一定程度上解決了方向控制所需分辨率，但存在CPU工作不穩(wěn)定的隱患，且采集的點(diǎn)數(shù)依然有限，無法滿足高質(zhì)量控制算法的需要。

圖2 一行視頻信號(hào)Fig．2 Path video signal line of smart vehicle

使用電壓比較器則可以獲得較多采樣點(diǎn)［10］。如果采用匯編語言編寫采集子程序，一行可獲得132點(diǎn)以上的二值化數(shù)據(jù)。但是，從圖2可以看出，藍(lán)色背景對應(yīng)的電平只比黑色引導(dǎo)線高出0．15 V左右，這就要求基準(zhǔn)電壓的設(shè)置必須非常準(zhǔn)確。由于受到環(huán)境光線變化、電池電壓變化以及負(fù)載狀況的變化影響，基準(zhǔn)電壓并不是固定值，常出現(xiàn)藍(lán)色背景被電壓比較器處理成黑色的情況，從而導(dǎo)致控制決策的嚴(yán)重錯(cuò)誤。有學(xué)者通過調(diào)節(jié)A／D轉(zhuǎn)換模塊的高、低參考電壓實(shí)現(xiàn)二值化來提高采樣點(diǎn)數(shù)并避免誤判［11］，但參考電壓的設(shè)置依然比較困難且采集點(diǎn)數(shù)仍然有限。

為解決兩種采集方式的不足，本文將A／D轉(zhuǎn)換和電壓比較器兩種方法結(jié)合在一起，各取所長，對每個(gè)采集行采用下列處理方法：

1）檢測行同步信號(hào)，延時(shí)4μs去除消隱信號(hào)；

2）從LM339的輸出端連續(xù)采集11個(gè)1位數(shù)據(jù)；

3）等待A／D轉(zhuǎn)換完成，并讀取一個(gè)8位A／D轉(zhuǎn)換結(jié)果；

4）重復(fù)前兩個(gè)步驟12次，可獲得132個(gè)二值數(shù)據(jù)和12個(gè)8位A／D轉(zhuǎn)換數(shù)據(jù)；

5）在A／D轉(zhuǎn)換數(shù)據(jù)中找到引導(dǎo)黑線位置M（1≤M≤12）；

6）將M映射到二值數(shù)據(jù)數(shù)組中，并在二值數(shù)據(jù)數(shù)組中，以映射后的位置為中心、左右各22個(gè)點(diǎn)區(qū)間［T1，T2］范圍內(nèi)精確定位引導(dǎo)黑線中心位置N（1≤N≤132），T1、T2的值分別為：

由于黑色引導(dǎo)線與藍(lán)色的背景距離有24 cm左右，因此在［T1，T2］范圍內(nèi)不可能有藍(lán)色背景。這樣，就能得到每行132像素點(diǎn)高分辨率數(shù)據(jù)，完全能滿足控制算法的需要，并且減少了引導(dǎo)線中心的定位時(shí)間，同時(shí)又沒有額外增加數(shù)據(jù)采集的時(shí)間開銷。

由于受MCU內(nèi)部RAM資源的限制無法存儲(chǔ)整幀數(shù)據(jù)，為減少數(shù)據(jù)量，只在前150掃描行中每5行保留一行，故最終采集數(shù)據(jù)為兩個(gè)數(shù)組：8位ADC數(shù)據(jù)數(shù)組AD［30］［12］和1位二值數(shù)據(jù)數(shù)組SW［30］［132］。經(jīng)實(shí)驗(yàn)驗(yàn)證，采集的數(shù)據(jù)可滿足控制要求。

采用以上方法后，LM339的基準(zhǔn)電壓可設(shè)置為對應(yīng)藍(lán)色時(shí)攝像頭輸出的電平，且允許一定范圍的誤差，也不易受環(huán)境光線變化、電池電壓變化以及負(fù)載狀況變化的影響，能準(zhǔn)確獲得黑色引導(dǎo)線的位置。

2．2 信息處理與分析

信息處理與分析的功能是利用黑色引導(dǎo)線的連續(xù)性先對所采集到的數(shù)據(jù)去除噪聲干擾，再計(jì)算智能車方向控制所需的車體偏離前方引導(dǎo)線中心的平均距離D、引導(dǎo)線斜率K和前方可視距離L（使用最遠(yuǎn)端掃描線位置表示）。其步驟是：

1）由于環(huán)境光線的不同和攝像頭性能的限制，不同環(huán)境時(shí)的黑色引導(dǎo)線對應(yīng)的視頻電平會(huì)有所差別；相同環(huán)境時(shí)，同一顏色與攝像頭距離不同，對應(yīng)的電平也有差別。為解決這一問題，可在智能車行駛前靜態(tài)采集若干含有引導(dǎo)線的圖像幀，獲得各掃描行中黑色像素對應(yīng)的A／D轉(zhuǎn)換平均值，并將其作為黑色像素電平的標(biāo)準(zhǔn)值BV0［30］。

2）逐行掃描AD［30］［12］，將｜AD［i］［j］-BV0［i］｜＜ε（ε＝5）的像素均標(biāo)識(shí)為黑色像素點(diǎn)，并去除噪聲干擾，按照前一小節(jié)所給方法找出引導(dǎo)線中心坐標(biāo)位置數(shù)據(jù)｛（x1，y1），（x2，y2），…，（xi，yi），…，（xn，yn）｝，其中xi為掃描線位置，yi為掃描線中黑色像素的中心位置N，xn為攝像頭可視距離L。同時(shí)對十字交叉口和終止線等特殊狀態(tài)作相關(guān)的標(biāo)記。

4）攝像頭前方可視距離約50 cm，為簡化算法，可將引導(dǎo)線視為直線。設(shè)直線為y＝Kx＋b，則可用最小二乘法（式1）計(jì)算其斜率K：

至此，獲得控制算法所需的L、D和K值。

3 方向控制算法設(shè)計(jì)

智能車的行駛目標(biāo)是以最快的速度沿著指定的軌道平穩(wěn)前進(jìn)。智能車車體偏離前方引導(dǎo)線中心的平均距離即D是大多數(shù)方向控制算法的依據(jù)，如文獻(xiàn)［12］。但在圖3所示賽道中，由于該時(shí)刻D接近0，故并不調(diào)整方向，只有在下一方向控制周期出現(xiàn)D不為0時(shí)才會(huì)調(diào)整，因此角度控制存在滯后現(xiàn)象。當(dāng)智能車達(dá)到一定速度時(shí)，往往來不及調(diào)整方向而導(dǎo)致智能車沖出賽道。如果該時(shí)刻能利用引導(dǎo)線斜率K提前調(diào)整智能車方向，則顯然控制效果會(huì)更好。

圖3 D為0，K不為0Fig．3 Smart vehicle path when D is 0 and K is not 0

另外，在圖4所示情形中，智能車位于引導(dǎo)線偏右，需要往左調(diào)節(jié)方向，但同時(shí)引導(dǎo)線方向向右偏，為避免智能車頻繁大角度調(diào)整，顯然結(jié)合引導(dǎo)線斜率一起調(diào)整可以達(dá)到更好的方向控制效果。

圖4 D不為0，K不為0Fig．4 Smart vehicle path when D is not 0 and K is not 0

當(dāng)然，如果只以引導(dǎo)線斜率K為調(diào)整依據(jù)，則在圖5所示情形下，由于K接近于0，故無需調(diào)整方向。若該賽道前方是一段右拐彎路線，則智能車很可能沖出賽道，這顯然也達(dá)不到正確的方向控制目標(biāo)。

圖5 D不為0，K為0Fig．5 Smart vehicle path when D is not 0 and K is 0

可見，無論采用單一參數(shù)D還是K進(jìn)行方向調(diào)節(jié)，都存在明顯的缺陷。理想的方向控制算法應(yīng)結(jié)合D和K參數(shù)進(jìn)行調(diào)節(jié)，使智能車在任何時(shí)刻都能盡量緊貼著引導(dǎo)線快速行駛，即任何時(shí)候都使D和K的值趨近于0。

由于傳統(tǒng)PID控制結(jié)構(gòu)簡單，效果及穩(wěn)定性好，在各種控制中應(yīng)用廣泛。對于智能車的方向控制也可使用PD調(diào)節(jié)［13］。PID算法在工程上常用其數(shù)字增量控制法，其形式為：

大型綜合型公立醫(yī)院要實(shí)現(xiàn)其管理目標(biāo)，需依靠科學(xué)有效的管理方法與制度，特別是建立現(xiàn)代醫(yī)院管理制度。目前我國的現(xiàn)代醫(yī)院管理制度[3]，是與社會(huì)主義市場經(jīng)濟(jì)體制相適應(yīng)的、在新型的公共治理框架下形成的政府、所有者代表與公立醫(yī)院之間責(zé)、權(quán)、利關(guān)系的一組制度安排與制度模式。

針對本文擬采取的雙參數(shù)方向控制，對應(yīng)的PID控制算法也應(yīng)作相應(yīng)改進(jìn)，即采用如圖6的控制方式。

圖6 改進(jìn)PID算法框圖Fig．6 Block diagram of improved PID algorithm

相應(yīng)的，需對式（2）進(jìn)行改進(jìn)，得到式（3）所示改進(jìn)PID算法公式。其中，u（k）對應(yīng)k時(shí)刻智能車行駛角度的調(diào)節(jié)量，也即MCU輸出到舵機(jī)的PWM值，u1（k）、u2（k）分別對應(yīng)出現(xiàn)D和K偏差時(shí)的調(diào)節(jié)量；KP1、KI1和KD1分別為對應(yīng)D誤差值調(diào)節(jié)的比例系數(shù)、積分系數(shù)和微分系數(shù)；KP2、KI2和KD2分別為對應(yīng)K誤差值調(diào)節(jié)的比例系數(shù)、積分系數(shù)和微分系數(shù)。

由于智能車舵機(jī)存在比較嚴(yán)重的滯后特性，對D的誤差調(diào)節(jié)應(yīng)以比例調(diào)節(jié)為主，對K的誤差調(diào)節(jié)以微分調(diào)節(jié)為主。具體各系數(shù)應(yīng)根據(jù)車體性能、車速、道路摩擦系數(shù)等依實(shí)驗(yàn)效果擇優(yōu)選取。

為說明本文所提出的雙參數(shù)PID調(diào)節(jié)算法優(yōu)于單參數(shù)調(diào)節(jié)算法，現(xiàn)以圖3、圖4和圖5所示的三種軌道情形為例，分析三種不同控制算法的執(zhí)行效果。

為簡明起見，假設(shè)智能車在Ti-1時(shí)刻的D、K和角度調(diào)節(jié)量均為0，在Ti時(shí)刻智能車的行駛分別遇到圖3、圖4和圖5所示的三種軌道，則三種控制算法在Ti時(shí)刻輸出的角度調(diào)節(jié)量和在Ti＋1時(shí)刻的參數(shù)D和K的值如表1所示。

標(biāo)準(zhǔn)視頻場掃描頻率為50Hz，故PID調(diào)節(jié)的控制周期最短也需要20ms，即Ti＋1＝Ti＋20ms。若智能車以2 m／s的速度行駛，則一個(gè)控制周期智能車將向前移動(dòng)4 cm。

表1 各控制方法偏差控制對比Tab．1 D，K difference comparison among different steering methods

對于單參數(shù)D的控制算法，當(dāng)軌道為圖3時(shí)，由于D＝0，故角度調(diào)整量也為0，智能車按照原方向往前行駛。由于軌道向右延伸，故在Ti＋1時(shí)刻，D＝dp，將明顯大于0，而K基本保持不變，行車方向與軌道方向出現(xiàn)偏離。當(dāng)軌道為圖4時(shí)，由于D＝-47，故角度調(diào)整量Ud2將使智能車向左行駛。由于軌道向右延伸，故在Ti＋1時(shí)刻，D＝dp，將明顯大于0，而K基本保持不變，行車方向與軌道方向偏離將愈加嚴(yán)重。當(dāng)軌道為圖5時(shí)，由于D＝53，故角度調(diào)整量Ud3將使智能車向右行駛，控制目標(biāo)為D＝0，在Ti＋1時(shí)刻，D＝d0。d0雖然無法達(dá)到理想值0，但它接近于0，同時(shí)K也接近于0，智能車行駛方向正確。

對于單參數(shù)K的控制算法，當(dāng)軌道為圖3時(shí)，由于K＝2．14，故角度調(diào)整量Uk1將使智能車向右行駛，而軌道也向右延伸，故在Ti＋1時(shí)刻，K＝k0。k0雖然無法達(dá)到理想值0，但它接近于0，同時(shí)，D也接近于0，智能車行駛方向正確。當(dāng)軌道為圖4時(shí)，由于K＝1．11，故角度調(diào)整量Uk2將使智能車明顯向右行駛，且其控制目標(biāo)為K＝0，故在Ti＋1時(shí)刻，K＝k0。k0雖然無法達(dá)到理想值0，但它接近于0；但D的偏差無法得到糾正，智能車行駛方向不正確。當(dāng)軌道為圖5時(shí)，由于K＝0，故角度調(diào)整量也為0，智能車按照原方向往前行駛，D的偏差無法得到糾正，行駛方向也不正確。

對于本文所提出的D和K雙參數(shù)控制算法，當(dāng)軌道為圖3和圖5時(shí)，在Ti＋1時(shí)刻，其D和K的值分別與單參數(shù)D和單參數(shù)K的控制算法類似。當(dāng)軌道為圖4時(shí)，角度調(diào)整量Udk2為D、K偏差產(chǎn)生的調(diào)節(jié)量總和，在Ti＋1時(shí)刻，D＝d0，K＝k0，d0和k0雖然無法達(dá)到理想值0，但它們都接近于0，智能車行駛方向正確。

對智能車速度的控制可根據(jù)L、D、K及檢測的速度采用PID或“Bang-Bang”調(diào)節(jié)算法。

4 實(shí)驗(yàn)結(jié)果

為驗(yàn)證本文提出的方法可行，依次對數(shù)據(jù)采集和方向控制算法進(jìn)行了測試。

4．1 數(shù)據(jù)采集方案測試

數(shù)據(jù)采集測試以圖4為測試賽道，該賽道包含白色道路、黑色引導(dǎo)線和藍(lán)色的背景等信息。表2是單獨(dú)AD轉(zhuǎn)換方法［7］、單獨(dú)二值化方法［10］和本文算法對該賽道各行中獲得的引導(dǎo)線中心位置。為便于比較，表中ADC法得到的各中心坐標(biāo)是按比例換算到132點(diǎn)情形后的坐標(biāo)值。

表2 不同算法獲得的引導(dǎo)線中心位置Tab．2 The center of guide line acquired by different path collection algorithms

從實(shí)驗(yàn)結(jié)果可知，由于單獨(dú)AD轉(zhuǎn)換方法分辨率較低，在多數(shù)采集行中引導(dǎo)線中心位置存在較大的偏差；而單獨(dú)二值化方法雖然分辨率較高，但容易把藍(lán)色的背景當(dāng)作引導(dǎo)線，從而產(chǎn)生錯(cuò)誤結(jié)果。而采用本文算法，既能獲得高精度的定位，又不會(huì)出現(xiàn)對藍(lán)色背景的誤判。

利用本文路徑識(shí)別方案依據(jù)表2可計(jì)算出智能車偏離引導(dǎo)線中心的平均距離D為-47．6，引導(dǎo)線斜率K約為1．11，從而為后續(xù)方向控制提供依據(jù)。

4．2 方向控制算法測試

在得到實(shí)時(shí)D和K后，依次按單D、單K和D、K結(jié)合的PID方向控制算法，讓智能車分別以1、1．5和2m／s左右的速度在包含直道、大S彎和小S彎的賽道上各運(yùn)行20次，智能車沖出賽道次數(shù)見表3。從表3可以看出，雙參數(shù)的PID算法效果更優(yōu)。當(dāng)然，隨著速度的提高，三種方式?jīng)_出賽道的次數(shù)均會(huì)增多，但相比較單參數(shù)控制方法，本文的控制算法仍然較優(yōu)。

表3 智能車沖出賽道次數(shù)統(tǒng)計(jì)Tab．3 The statistics of smart vehicle’s running out of steering path

5 結(jié)論

本文采用了二值化與A／D轉(zhuǎn)換相結(jié)合實(shí)現(xiàn)道路視頻數(shù)據(jù)采集，優(yōu)點(diǎn)是精度高、環(huán)境適應(yīng)性好，在背景光線變化大且跑道背景為藍(lán)色的情況下，也能準(zhǔn)確地獲得路徑信息。利用跟蹤智能車偏離引導(dǎo)線中心的平均距離和引導(dǎo)線斜率的雙參數(shù)改進(jìn)PID算法實(shí)現(xiàn)對舵機(jī)的控制，與單獨(dú)采用偏離中心線距離的PID控制算法相比，智能車行駛的穩(wěn)定性得到明顯提高。但PID調(diào)節(jié)參數(shù)受車體性能和跑道摩擦系數(shù)的影響，理想?yún)?shù)的整定比較困難。如何根據(jù)環(huán)境的變化自動(dòng)調(diào)節(jié)PID的有關(guān)參數(shù)有待今后進(jìn)一步的研究。

［1］薄亮亮，張小棟．光導(dǎo)AGV智能循跡測控系統(tǒng)的建模與仿真［J］．測控技術(shù)，2011，30（5）：85-88，97．

［2］曾星星．基于攝像頭的路徑識(shí)別智能車控制系統(tǒng)設(shè)計(jì)［J］．湖北汽車工業(yè)學(xué)院學(xué)報(bào)，2008，22（2）：73-76．

［3］Minguez J，Montano L．Sensor based robotmotion generation in unknown，dynamic and troublesome scenarios［J］．Robotics and Autonomous Systems，2005，52（4）：290-311．

［4］Gonzalez Galvan E J，Cruz Ramirez SR，Seelinger M J，et al．An efficientmulti camera，multi target scheme for the three dimensional control of robots using uncalibrated vision［J］．Robotics and Computer Integrated Manufacturing，2003，19（5）：387-400．

［5］Wasik Z，Saffiotti A．A fuzzy behaviollr based control system formanipulation［C］∥IEEE International Conference on Intelligent Robots and Systems，Sept．30-Oct．4 2002．New York：IEEE，2002，2：1596-1601．

［6］卓晴，黃開勝，邵貝貝．學(xué)做智能車：挑戰(zhàn)“飛思卡爾”杯［M］．北京：北京航空航天大學(xué)出版社，2007．

［7］王明順，沈謀全．傳感器與智能車路徑識(shí)別［J］．電子產(chǎn)品設(shè)計(jì)，2007，4（1）：142-143．

［8］劉建剛，程磊，黃劍，等．基于CCD圖像識(shí)別的HCS12單片機(jī)智能車控制系統(tǒng)［J］．光電技術(shù)應(yīng)用，2007，22（6）：52-55，59．

［9］程亞龍，周怡君．基于CMOS傳感器的智能車路徑識(shí)別研究［J］．機(jī)械制造與研究，2007，36（5）：13-15．

［10］曾軍．基于MC9S12DG128單片機(jī)的智能尋跡車設(shè)計(jì)［J］．電子設(shè)計(jì)工程，2009，17（3）：54-56．

［11］劉博，張盛兵，馬志強(qiáng)．基于最優(yōu)路徑的智能車設(shè)計(jì)與實(shí)現(xiàn)［J］．計(jì)算機(jī)測量與控制，2012，20（8）：2264-2269．

［12］韓毅，楊天．基于HCS12單片機(jī)的智能尋跡模型車的設(shè)計(jì)與實(shí)現(xiàn)［J］．計(jì)算機(jī)工程與設(shè)計(jì)，2008，29（18）：4736-4739．

［13］李國柱．基于CMOS攝像頭的智能車路徑跟蹤系統(tǒng)設(shè)計(jì)［J］．現(xiàn)代電子技術(shù)，2011，34（18）：12-14，17．

（責(zé)任編輯：肖錫湘）

Camera-based path identification and steering control algorithm for smart vehicle

Chen Qingqiang，Tang Longmei，CaiWenpei
（College of Information Science and Engineering，F(xiàn)ujian University of Technology，F(xiàn)uzhou 350118，China）

A combined method of A／D conversion and voltage comparator was proposed to improve the precision and speed of road video data collection．12 high-precision point data and 132 binary data per row were achieved．The necessary path information for the smart vehicle to steer automatically was acquired by using linear least squares fittingmethod after denoising the data．An improved proportion，integration and differentiation（PID）algorithm was implemented to control the direction of the vehicle，considering both the average distance between the smart vehicle and the center of the guide line and the slope of the line．The proposed algorithm can acquire the path information and control the steermore accurately and ismore robust compared with the traditional path recognition and steering control algorithm．The experimental results demonstrate the feasibility of the proposed method．

camera；smart car；path identification；direction control

TP336

A

1672-4348（2015）03-0229-06

10．3969／j．issn．1672-4348．2015．03．005

2015-03-28

陳慶強(qiáng)（1965-），男，福建仙游人，副教授，碩士，研究方向：嵌入式系統(tǒng)開發(fā)、數(shù)字圖像處理。