智能車路徑圖像高速處理與運動控制研究

李松凱，王海宇，張永洪，王明全

（東北大學(xué) 信息科學(xué)與工程學(xué)院，沈陽110004）

引 言

在現(xiàn)代社會中，設(shè)備智能化越來越重要，機器能幫助人類實現(xiàn)很多無法做到的工作，例如救援領(lǐng)域。以前，攝像頭主要用于記錄圖像、影像，但隨著數(shù)字圖像處理的快速發(fā)展，攝像頭獲取到的圖像數(shù)據(jù)經(jīng)過算法分析能從圖像中獲取到大量信息數(shù)據(jù)，因此攝像頭也被應(yīng)用到很多智能領(lǐng)域。

本文基于傳統(tǒng)智能車模型，引入攝像頭，能夠動態(tài)獲取路徑信息。以往應(yīng)用攝像頭的智能車設(shè)備中，大部分通過攝像頭獲取圖像數(shù)據(jù)，通過軟件進行二值化提取，圖像處理算法獲取到控制信息，最后通過PID 算法控制車體運行。這種結(jié)構(gòu)，軟件二值化會占用部分單片機性能，同時PID算法在智能車控制中存在不足之處，為此提出了一種新型的智能車結(jié)構(gòu)方案。通過傳統(tǒng)CMOS動態(tài)獲取路徑信息，然后進行硬件二值化，采用硬件電路分擔(dān)單片機的工作；同時，對于PID的一些不足之處，本文提出了一種基于神經(jīng)網(wǎng)絡(luò)算法的控制算法，有效解決了控制難題。

1 系統(tǒng)硬件設(shè)計方案

智能車的整體硬件方案由以下幾個部分組成：通過CMOS攝像頭OV7620結(jié)合硬件二值化電路完成賽道信息采集，結(jié)合K60單片機進行處理，采用PWM 技術(shù)結(jié)合舵機與電機完成小車的轉(zhuǎn)向與速度控制，并且整合編碼器完成了速度的閉環(huán)控制。系統(tǒng)的整體框架如圖1所示。

圖1 系統(tǒng)整體框架

1.1 CMOS攝像頭選取

OV7620數(shù)字攝像頭作為圖像采集模塊的芯片，這款攝像頭能夠直接輸出灰度圖像，更加利于后期開發(fā)。

1.2 電源模塊的電路設(shè)計

由于小車使用7.2V／2 000mAh Ni－cd供電，而單片機系統(tǒng)、路徑識別的傳感器等均使用3.3V 與5V 的電源。編碼器需要5V 電源，電機則需要7.2V 電源直接供電，所以需要設(shè)計一個高效穩(wěn)定的電壓轉(zhuǎn)換電路，電路圖如圖2所示。

圖2 電壓轉(zhuǎn)換電路的設(shè)計

1.3 圖像采集模塊的設(shè)計

OV7620采用5V 供電，由感光芯片、成像鏡頭以及一些外圍電路組成。當(dāng)光線透過鏡頭照射到感光芯片上時，感光芯片就將其當(dāng)前灰度值轉(zhuǎn)化成相應(yīng)的電壓值，最終將視頻信號輸出到信號線上。而攝像頭視頻信號中除了包含圖像信號之外，還包括行同步信號、行消隱信號、場同步信號、場消隱信號以及槽脈沖信號、前均衡脈沖、后均衡脈沖等。因此，若要采集視頻信號，就必須通過視頻同步分離電路準(zhǔn)確地把握各種信號之間的邏輯關(guān)系。本文使用了LM1881芯片對黑白電視信號進行視頻同步分離，得到行同步、場同步信號，如圖3所示。

1.4 圖像的硬件二值化處理

對于硬件二值化方案，采用比較器，將輸入的信號進行電壓值判定，再進行二值化，最終將比較器輸出連接到單片機，此時單片機收到的只是二值化之后的數(shù)字信號，從而減輕了單片機的負擔(dān)。硬件二值化電路如圖4所示。

圖3 OV7620的視頻信號時序圖

1.5 電機驅(qū)動電路設(shè)計

在電機驅(qū)動模塊的設(shè)計方案中，有兩種可以使用：一種是通過BTS7960 半 橋 芯 片，使用兩片來搭成完整的電機驅(qū)動；另一種是通過MOS管來搭建驅(qū)動電路，使用4個MOS管以及外圍電路，構(gòu)成H 橋電路對電機進行驅(qū)動。使用BTS7960半橋芯片方案的優(yōu)點是外圍電路相對簡單，并且具有過熱保護的功能，使用MOS管搭建驅(qū)動電路的優(yōu)點在于通過的電流大。在實際應(yīng)用中發(fā)現(xiàn)，由BTS7960搭建的電路在車速達到2.5m／s的時候會出現(xiàn)過熱保護的情況，導(dǎo)致電機不能正常工作。所以本文最終選定使用MOS管搭建電機驅(qū)動模塊，如圖5所示。

圖4 硬件二值化電路

2 系統(tǒng)軟件設(shè)計方案

2.1 主程序流程框架

程序包括各個模塊的初始化、賽道圖像的采集與處理、圖像的畸變矯正、舵機與電機的PID控制、電機速度的采集，以及障礙、起跑線的檢測等，具體過程如圖6所示。

2.2 賽道信息的提取及處理

2.2.1 原始圖像的獲取及特點分析

在理解OV7620的時序之后，通過單片機的外部中斷引腳按照相應(yīng)的時序檢測場中斷信號、行中斷信號、像素中斷信號，通過DMA 模塊可采集到相應(yīng)的圖像，并且對采集的行數(shù)、列數(shù)進行調(diào)整，就能夠得到比較完整的原始圖像了。

采集到圖像后，需要對其進行處理以提取主要的賽道信息，這是由于賽道的路況復(fù)雜，以及現(xiàn)場光源的不確定性、賽道的反光等各種因素，圖像效果會大打折扣。因此，在軟件上必須排除干擾因素，對賽道進行有效識別，并提供盡可能多的賽道信息供決策使用。

由于攝像頭自身的特性，圖像會產(chǎn)生梯形式失真，使得攝像頭看到的信息不真實，因此需要利用賽道進行測量，通過矯正計算還原出真實賽道信息。原始圖像是經(jīng)電路轉(zhuǎn)換得到的二維數(shù)據(jù)矩陣，遠處的圖像小，近處的圖像大，黑線為梯形狀。單片機通過硬件電路將每一行的黑白跳變點記錄下來，保存到數(shù)組里，通過遍歷所有的行和列就可以完成賽道邊沿的提取。

圖5 電機驅(qū)動模塊的電路設(shè)計

圖6 主程序流程圖

2.2.2 圖像的畸變矯正

由于采集到的原始圖像會有梯形失真或桶形失真，并不能反映賽道的真實信息，在經(jīng)過測試之后，發(fā)現(xiàn)桶形失真對于賽道特征的判斷影響較小，所以最終方案是進行了梯形校正，分為水平校正與垂直校正。在通過攝像頭的高度、視野范圍的測量之后，最終完成了對圖像的畸變校正，效果如圖7所示。

圖7 原始圖像校正后效果圖

2.3 賽車的路徑優(yōu)化處理

目前智能車的尋徑方式主要有兩種：一種為尋中線前進；另一種在直道時尋中線，進彎道后一直貼內(nèi)道行駛。這兩種方法都有一定的問題：一方面，在拐彎時，無論是沿中線還是一直貼內(nèi)道都不是最省時的過彎方式；另一方面，若在直道和彎道采用不同的處理方式，在臨界狀態(tài)下給出的控制量會劇烈波動，不利于系統(tǒng)的穩(wěn)定。

為了避免這些問題，建立了一個數(shù)學(xué)模型：

其中，Y 為模型輸出，θ5i為圖像第5i行賽道的曲率，k5i為圖像第5i行的賽道的曲率的權(quán)重，m 為有效處理行的個數(shù)，e為車頭和賽道中心的偏差長度，k1為曲率系數(shù)，k2為偏差系數(shù)。

該 模 型 通 過 將 全 圖 信 息 綜合，體現(xiàn)了遠近不同位置的路況對智能車前進方向的影響，通過k5i保證了遠處路況對當(dāng)前運動方向只是參考，而非起主導(dǎo)作用。通過除以有效處理行的個數(shù)m，保證了各種路況下θ的穩(wěn)定。同時，模型通過使i≥6時，k5i＜0，智能車實現(xiàn)了“外內(nèi)外”的過彎方式，又通過k1θ與k2Δ 的加和使得智能車在走最快路徑的同時不偏離賽道。

最后提取了15 種路況信息帶入模型對系數(shù)進行逆推，將得出的模型應(yīng)用在智能車上，取得了較好的效果。

2.4 控制算法的設(shè)計

2.4.1 舵機控制算法的設(shè)計

在經(jīng)過矯正以及對路徑優(yōu)化進行建模之后，得到的輸出量就可以用于舵機的控制，選用位置式PD 進行舵機的控制。一方面舵機經(jīng)過實際測試不需要積分項就能實現(xiàn)較好的跟隨性；另一方面由于舵機的控制實際是開環(huán)的，并不能夠及時反映變化的趨勢。因此，微分項的引入能夠在一定程度上彌補對未來變化的預(yù)測，使得控制并不是很滯后。

同時，為了避免小車舵機的輸出超過范圍造成損壞，需要對舵機的輸出量設(shè)置死區(qū)，達到能夠讓小車平穩(wěn)過彎的效果。

2.4.2 電機控制算法的設(shè)計

為了使小車速度更快、更穩(wěn)定，電機的控制也尤為重要，并且需要將電機的控制與舵機的控制結(jié)合起來，比如小車在直線上需要加速，進入彎道時需要減速，出彎道需要加速等。由于攝像頭的前瞻滿足在小車運行的時候視野覆蓋較大的范圍，因此能夠?qū)π≤嚽胺降馁惖肋M行相應(yīng)的判斷。

對于小車電機速度控制，采取的是增量式PI算法進行處理，基本思想是直道加速，彎道減速。將每場圖像得到的控制輸出量與PI參考速度值構(gòu)成二次曲線關(guān)系。在實際測試中，小車直道和彎道相互過渡時加減速比較靈敏，與舵機轉(zhuǎn)向控制配合的較好。每20ms檢測一次小車的速度，計算出小車當(dāng)前速度與期望速度的差值，并據(jù)此作出調(diào)整， 36 32 實際效果證明了小車可以實現(xiàn)在不同速度下的穩(wěn)定運行。

結(jié) 語

本文討論了以K60單片機作為控制器載體，使用數(shù)字攝像頭OV7620作為獲取賽道圖像信息的傳感器，通過PID算法來實現(xiàn)對電機、舵機的控制。實驗證明，此設(shè)計硬件合理，軟件穩(wěn)定高效，能夠?qū)崿F(xiàn)對于小車的高速、穩(wěn)定控制。

［1］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.

［2］邵貝貝.單片機嵌入式應(yīng)用的在線開發(fā)方法［M］.北京：清華大學(xué)出版社，2004.

［3］譚浩強.C程序設(shè)計［M］.北京：清華大學(xué)出版社，2004.

［4］仇慎謙.PID 調(diào)節(jié)規(guī)律和過程控制［M］.南京：江蘇科學(xué)技術(shù)出版社，1987.

［5］李寧，劉啟新.電機自動控制系統(tǒng)［M］.北京：機械工業(yè)出版社，2003.