基于CCD传感器的路径识别系统的研究上课讲义.doc

Good is good, but better carries it.精益求精，善益求善。基于CCD传感器的路径识别系统的研究-基于CCD传感器的路径识别系统的研究张鹏飞1肖文健2李永科2（1.军械工程学院导弹工程系，河北石家庄050003;2.军械工程学院光学与电子工程系，河北石家庄050003）摘要：本文以飞思卡尔智能车比赛为例利用MC9S12XS128单片机控制的只能能小车路径识别系统，研究利用CCD传感器识别路径的方法，给出了识别系统的硬件及软件方案。关键词：CCD路径识别飞思卡尔TheResearchBasedOnThePathofTheCCDSensorRecognitionSystemZhangPeng-fei1XiaoWen-jian2LiYong-ke2DepartmentofMissileEngineering,OrdnanceEngineeringCollege,Shijiazhuang050003,China;2.DepartmentofOpticsandElectronicsEngineering,OrdnanceEngineeringCollege,Shijiazhuang050003,China)Abstract：Thispathrecognitionsystemofintelligentcarusesimage-sensormodulebasedoncameratoobtainlaneimageinformation.WehavestudiedpathrecognitionbyCCD.Theultimateaimofthewholesystemistoaccuratelyabstracttheblackguidelinesfromthewhiteraceway,followingtheroadparametersandconditionsinfront,makingthecarmoveproperly.Keywords：CCDRoaddetectionLine-tracking0引言智能化技术与汽车相结合产生的智能汽车将在未来工业生产和日常生活以及军事国防事业中扮演重要的角色，而路径识别则正是智能车能否真正实现智能化的关键技术1。本文将以飞思卡尔智能车竞赛为例，探究基于摄像头作为传感器采集、收集信息，以MC9S12XS128MAL作为微控制器进行处理的路径识别系统。智能小车的运行环境如图1所示。其中，跑道黑线宽度为2.5cm；跑道最小曲率半径不小于50mm；跑道可以交叉，交叉角为90度。图1运行环境系统设计1.1路径识别系统的实施方案智能车快速、稳定运行的关键在于能够及时、准确的提取赛道信息并且微处理器能够有效快速的对接收到的图像信息进行处理和利用。因此图像信号采集与处理算法是智能车准确识别路径、平稳运行的基础，具有举足轻重的地位。智能车路径识别系统有两个部分完成：图像采集模块，由CCD摄像头完成；图像处理模块，由视频分离芯片和XS128微控制器完成。摄像头收集图像是从隔行扫描的方式按照一定的分辨率进行，CCD传感器芯片将采集到的图像的每一点灰度值转换成对应的电压值，并且通过视频信号输出端输出。输出的视频信号有着固定的格式，某一帧数据的视频信号，除了包含图像信号之外还包括了行同步信号、行消隐信号、场同步信号以及场消隐信号等；因此对视频信号利用进利用，就必须准确提取出视频信号输出端中的图像信息。视频同步信号分离芯片的作用就是从视频信号输出端分离出行信号和场信号，再有微控制器将模拟信号转换成对应的数字量存储在SRAM中。系统的整体结构如图2所示。图2系统整体结构1.2硬件系统的设计根据实施方案再结合“飞思卡尔”杯智能车的比赛要求，使用CCD摄像头进行实时图像收集2。这部分的硬件设计为：摄像头视频信号接入LM1881的视频信号输入端，同时接入单片机其中一个A/D口；LM1881的行同步信号和奇偶场同步信号分别接入单片机的带中断的I/O口PTO、PTI；系统由标准电压为7.2V2000mAH容量的电池放电，为保证视频信号的稳定性，摄像头用MAX741升压至9V供电；视频为离芯分采用LM7806降压至6V供电；单片机采用LM2940降压至5V供电。视频分离电路如图3所示：设置PTI口为输入捕捉下降沿，即采集偶场信号。当新的一场到来时，单片机首先采集到下降沿信息进入场中断。在场中断处理程序中先将场中断关闭，然后启动行中断，设置PTO口为输入捕捉上升沿。当单片机捕捉到行同步信号后就进入行同步中断处理程序，开始采集图像信息。图3视频分离电路1.3软件系统的设计由于赛道环境为在白色KT板上布置黑色引导线，路径识别需大致提取黑色引导线，不必进行逐行采集，采集图像流程如下：图4采集图像流程图智能车对即时图像的要求比较高，而单片机的运算能力有限，因此过于复杂的黑线提取算法会导致决策性周期溢出，使程序崩溃，需要采用简单搞笑的图像识别算法。本文采用双边缘检测算法，具体过程如下：<1>将采集的图像数据存放在30行20列的数组image中初始化每一行图像数据的信息标记，包括在图像中找到黑线的次数，宽度和黑线位置。<2>通过对采集到的图像数据观察发现黑点和白点的像素值一般在2232之间，所以对数组中每一行数据从左到右相减，可以得到黑线的位置，用“出黑线”的数据减去“进黑线”的数据就可以得到黑线的宽度。<3>将进出黑线的次数分为以下6种情况：根据上述6种情况，结合对应每一行中进出黑线的位置，就可以确定该行黑线的位置，对于不可信的黑线位置采用预测的方法找黑线位置，并给出一个标志信号，方便图像处理。预测的方法：若上一次黑线位置偏离中心位置，则本次预测黑线位置更加偏离中心位置。通过上述方法将每行的黑线位置存放在数组blackmid中。<4>对数组blackmid中的数据进行滤波处理，得到最终的黑线位置，存放在data中。根据以上思想对图像进行处理后发回上位机得到如下赛道情况：（a）十字交叉线（b）起跑线（c）弯道（d）大S（e）小S结束语采用双边缘检测算法可以稳定、有效地提取图像中的黑线。在提取黑线的过程中，可以采用限定采用图像的宽度范围来有效减少干扰信息。另外，可以采用对存放黑线的数组进行中值滤波的方法消除噪点。通过“飞思卡尔”比赛实践，发现本路径识别系统能够准确的识别出道路情况，结果较为理想。参考文献：1吴吟箫，张虹，王新生.基于黑白摄像头的智能小车路径识别系统设计J.计算机技术及应用，2009(2).2夏凡，朱康志，唐景寸.智能车实时图像处理的研究J.五邑大学学报，2010(11).作者简介：张鹏飞现就读于军械工程学院本科学员导弹工程专业肖文健现就读于军械工程学院硕士研究生，控制理论与控制工程专业李永科军械工程学院光学与电子工程系无人机教研室教员通信地址：河北省石家庄市和平西路97号军械工程学院光学与电子工程系无人机教研室邮政编码：050003电话：18731167390电子邮箱：xiaowenjian838基于CCD传感器的路径识别系统的研究张鹏飞1肖文健2李永科2（1.军械工程学院导弹工程系，河北石家庄050003;2.军械工程学院光学与电子工程系，河北石家庄050003）摘要：本文以飞思卡尔智能车比赛为例利用MC9S12XS128单片机控制的只能能小车路径识别系统，研究利用CCD传感器识别路径的方法，给出了识别系统的硬件及软件方案。关键词：CCD路径识别飞思卡尔TheResearchBasedOnThePathofTheCCDSensorRecognitionSystemZhangPeng-fei1XiaoWen-jian2LiYong-ke2DepartmentofMissileEngineering,OrdnanceEngineeringCollege,Shijiazhuang050003,China;2.DepartmentofOpticsandElectronicsEngineering,OrdnanceEngineeringCollege,Shijiazhuang050003,China)Abstract：Thispathrecognitionsystemofintelligentcarusesimage-sensormodulebasedoncameratoobtainlaneimageinformation.WehavestudiedpathrecognitionbyCCD.Theultimateaimofthewholesystemistoaccuratelyabstracttheblackguidelinesfromthewhiteraceway,followingtheroadparametersandconditionsinfront,makingthecarmoveproperly.Keywords：CCDRoaddetectionLine-tracking-0引言智能化技术与汽车相结合产生的智能汽车将在未来工业生产和日常生活以及军事国防事业中扮演重要的角色，而路径识别则正是智能车能否真正实现智能化的关键技术1。本文将以飞思卡尔智能车竞赛为例，探究基于摄像头作为传感器采集、收集信息，以MC9S12XS128MAL作为微控制器进行处理的路径识别系统。智能小车的运行环境如图1所示。其中，跑道黑线宽度为2.5cm；跑道最小曲率半径不小于50mm；跑道可以交叉，交叉角为90度。图1运行环境1. 系统设计1.1路径识别系统的实施方案智能车快速、稳定运行的关键在于能够及时、准确的提取赛道信息并且微处理器能够有效快速的对接收到的图像信息进行处理和利用。因此图像信号采集与处理算法是智能车准确识别路径、平稳运行的基础，具有举足轻重的地位。智能车路径识别系统有两个部分完成：图像采集模块，由CCD摄像头完成；图像处理模块，由视频分离芯片和XS128微控制器完成。摄像头收集图像是从隔行扫描的方式按照一定的分辨率进行，CCD传感器芯片将采集到的图像的每一点灰度值转换成对应的电压值，并且通过视频信号输出端输出。输出的视频信号有着固定的格式，某一帧数据的视频信号，除了包含图像信号之外还包括了行同步信号、行消隐信号、场同步信号以及场消隐信号等；因此对视频信号利用进利用，就必须准确提取出视频信号输出端中的图像信息。视频同步信号分离芯片的作用就是从视频信号输出端分离出行信号和场信号，再有微控制器将模拟信号转换成对应的数字量存储在SRAM中。系统的整体结构如图2所示。图2系统整体结构1.2硬件系统的设计根据实施方案再结合“飞思卡尔”杯智能车的比赛要求，使用CCD摄像头进行实时图像收集2。这部分的硬件设计为：摄像头视频信号接入LM1881的视频信号输入端，同时接入单片机其中一个A/D口；LM1881的行同步信号和奇偶场同步信号分别接入单片机的带中断的I/O口PTO、PTI；系统由标准电压为7.2V2000mAH容量的电池放电，为保证视频信号的稳定性，摄像头用MAX741升压至9V供电；视频为离芯分采用LM7806降压至6V供电；单片机采用LM2940降压至5V供电。视频分离电路如图3所示：设置PTI口为输入捕捉下降沿，即采集偶场信号。当新的一场到来时，单片机首先采集到下降沿信息进入场中断。在场中断处理程序中先将场中断关闭，然后启动行中断，设置PTO口为输入捕捉上升沿。当单片机捕捉到行同步信号后就进入行同步中断处理程序，开始采集图像信息。图3视频分离电路1.3软件系统的设计由于赛道环境为在白色KT板上布置黑色引导线，路径识别需大致提取黑色引导线，不必进行逐行采集，采集图像流程如下：图4采集图像流程图智能车对即时图像的要求比较高，而单片机的运算能力有限，因此过于复杂的黑线提取算法会导致决策性周期溢出，使程序崩溃，需要采用简单搞笑的图像识别算法。本文采用双边缘检测算法，具体过程如下：<1>将采集的图像数据存放在30行20列的数组image中初始化每一行图像数据的信息标记，包括在图像中找到黑线的次数，宽度和黑线位置。<2>通过对采集到的图像数据观察发现黑点和白点的像素值一般在2232之间，所以对数组中每一行数据从左到右相减，可以得到黑线的位置，用“出黑线”的数据减去“进黑线”的数据就可以得到黑线的宽度。<3>将进出黑线的次数分为以下6种情况：根据上述6种情况，结合对应每一行中进出黑线的位置，就可以确定该行黑线的位置，对于不可信的黑线位置采用预测的方法找黑线位置，并给出一个标志信号，方便图像处理。预测的方法：若上一次黑线位置偏离中心位置，则本次预测黑线位置更加偏离中心位置。通过上述方法将每行的黑线位置存放在数组blackmid中。<4>对数组blackmid中的数据进行滤波处理，得到最终的黑线位置，存放在data中。根据以上思想对图像进行处理后发回上位机得到如下赛道情况：（a）十字交叉线（b）起跑线（c）弯道（d）大S（e）小S2. 结束语采用双边缘检测算法可以稳定、有效地提取图像中的黑线。在提取黑线的过程中，可以采用限定采用图像的宽度范围来有效减少干扰信息。另外，可以采用对存放黑线的数组进行中值滤波的方法消除噪点。通过“飞思卡尔”比赛实践，发现本路径识别系统能够准确的识别出道路情况，结果较为理想。参考文献：1吴吟箫，张虹，王新生.基于黑白摄像头的智能小车路径识别系统设计J.计算机技术及应用，2009(2).2夏凡，朱康志，唐景寸.智能车实时图像处理的研究J.五邑大学学报，2010(11).作者简介：张鹏飞现就读于军械工程学院本科学员导弹工程专业肖文健现就读于军械工程学院硕士研究生，控制理论与控制工程专业李永科军械工程学院光学与电子工程系无人机教研室教员通信地址：河北省石家庄市和平西路97号军械工程学院光学与电子工程系无人机教研室邮政编码：050003电话：18731167390电子邮箱：xiaowenjian838