基于CCD圖像傳感器的路徑識(shí)別算法分析

摘要：隨著汽車工業(yè)的發(fā)展，汽車智能化成為大勢(shì)所趨。智能汽車(IV，Intelligent Vehicle)是一種集環(huán)境感知、規(guī)劃決策、多等級(jí)輔助駕駛等功能于一體的綜合系統(tǒng)，它集中地運(yùn)用了計(jì)算機(jī)技術(shù)、人工智能與自動(dòng)控制技術(shù)、現(xiàn)代傳感器技術(shù)、信息與通信等技術(shù)，是典型的高新技術(shù)的綜合體。文中以第六屆全國(guó)大學(xué)生”飛思卡爾”杯智能汽車為背景，探討了基于CCD圖像傳感器的圖像跟蹤算法。
關(guān)鍵詞：智能車；CCD圖像傳感器；閾值傳遞算法；圖像跟蹤算法；飛思卡爾

    智能汽車的一項(xiàng)重要能力就是對(duì)環(huán)境的感知、對(duì)路況信息的分析決策。文中以MC9S12XS128單片機(jī)為核心，通過CCD圖像傳感器獲得路徑信息，進(jìn)而進(jìn)行路徑分析，為下一步的控制提供必要的數(shù)據(jù)信息。

1 CCD圖像傳感器特點(diǎn)
    CCD圖像傳感器屬于電荷耦合器件，組成CCD的基本單元是金屬-氧化物-半導(dǎo)體結(jié)構(gòu)。基本單元又分為兩類：光敏單元與移位寄存單元。兩者的區(qū)別在于：前者接受有效頻率入射光的刺激產(chǎn)生光電效應(yīng)，生成信號(hào)電荷；后者依靠于前者的相鄰且緊密排列形成兩者勢(shì)阱的相互溝通、耦合，借助結(jié)電容柵極電壓的控制來實(shí)現(xiàn)信號(hào)電荷從前者向后者的轉(zhuǎn)移(耦合)。根據(jù)光線反射的強(qiáng)弱CCD會(huì)輸出大小不同的電壓，通過單片機(jī)的AD轉(zhuǎn)化接口將相應(yīng)電壓值轉(zhuǎn)換成大小不同的數(shù)值，根據(jù)數(shù)值大小來分析路徑信息。
    CCD圖像傳感器輸出的是視頻同步信號(hào)，經(jīng)視頻同步分離芯片LM1881后，視頻信號(hào)分成場(chǎng)同步信號(hào)、行同步信號(hào)、奇偶場(chǎng)信號(hào)以及視頻信號(hào)，電路的典型連接及重要引腳信號(hào)如圖1所示。利用這些同步信號(hào)再加上適當(dāng)?shù)难訒r(shí)對(duì)視頻信號(hào)進(jìn)行AD采樣，從而得到圖像信息。這里采用分辨率為320×240的CCD圖像傳感器，每場(chǎng)的掃描周期20 ms，因此，單行視頻信號(hào)的持續(xù)時(shí)間大約為20 ms／320=62．5μs，將單片機(jī)超頻到64 MHz，在單行視頻信號(hào)的持續(xù)時(shí)間內(nèi)能采集大約一百個(gè)點(diǎn)左右，能很好的滿足橫向精度要求。每場(chǎng)信號(hào)中包含了285個(gè)有效行，考慮到CCD圖像傳感器在縱向上的畸變，采取非均勻采集的方式，通過標(biāo)定，使采集行在實(shí)際位置上是均勻分布的，從而實(shí)現(xiàn)每行之間的實(shí)際距離大致相等，為后續(xù)控制提供了方便。

2 黑線提取算法
    在采集完一行圖像信息后即對(duì)該行數(shù)據(jù)進(jìn)行二值化處理，即設(shè)定一個(gè)閾值，把每個(gè)點(diǎn)的數(shù)據(jù)與閾值比較，通過大小判斷該點(diǎn)為黑色或者白色。之后對(duì)黑色點(diǎn)的值進(jìn)行累加求取平均值，在對(duì)白色點(diǎn)的值進(jìn)行累加求平均值，再取兩值平均作為下一行的閾值進(jìn)行判斷。閾值計(jì)算的公式如下：
    
     式中black[i]為黑點(diǎn)的值，white[j]為白點(diǎn)的值，Hold[row]為下一行的閾值。
    這種閾值傳遞的方法使得的黑白的檢測(cè)判斷更為可靠，排除了光線以及賽道顏色產(chǎn)生的影響。然后遍歷一行數(shù)據(jù)，由于黑線寬度基本能在3～5點(diǎn)，所以，對(duì)該點(diǎn)與相鄰兩點(diǎn)黑白不一致的點(diǎn)進(jìn)行剔除，用相鄰兩點(diǎn)均值作為該點(diǎn)的修正值。最后，對(duì)整行數(shù)據(jù)遍歷，記錄一行數(shù)據(jù)中黑線邊緣位置、黑線中心及黑線出現(xiàn)次數(shù)。這樣對(duì)一行的數(shù)據(jù)處理完畢。
    在采集完一場(chǎng)圖像信息后，根據(jù)黑線是連續(xù)的的特點(diǎn)，對(duì)相鄰行之間黑線位置進(jìn)行修正，將不滿足連續(xù)性的黑線剔除掉，從而準(zhǔn)確提取出黑線的分布情況。

3 預(yù)測(cè)算法設(shè)計(jì)
    單片機(jī)的運(yùn)算速度是一定的，而車模的慣性常數(shù)也是一定的，因此，為了使控制過程盡量長(zhǎng)以達(dá)到理想的控制效果，必須對(duì)圖像分析時(shí)間進(jìn)行壓縮。這里，通過分析前一場(chǎng)數(shù)據(jù)，得到下一場(chǎng)首行閾值、黑線寬度以及黑線搜索范圍，從而減少下一場(chǎng)的處理時(shí)間并增加了下一場(chǎng)路況信息的準(zhǔn)確性，增強(qiáng)了相鄰行、相鄰場(chǎng)之間的聯(lián)系。

4 圖像信息分析
    經(jīng)過數(shù)據(jù)處理后，我們得到每行賽道黑線中心的位置量DImage和視場(chǎng)中心的位置量DCenter(常量)，兩個(gè)距離相減得到的就是黑線中心相對(duì)視場(chǎng)中心的偏差距離DReal=DImage-Dcenter，也就是實(shí)際偏差值。根據(jù)偏差距離DReal可進(jìn)行彎直道的識(shí)別。
    1)偏差DReal=0時(shí)，前方跑道為直道。

    2)偏差DReal>0為正值時(shí)，前方跑道為右彎道。

    3)偏差DReal<0為負(fù)值時(shí)，前方跑道為左彎道。

    從而判斷出小車相對(duì)中心黑線的位置。DReal絕對(duì)值的大小反映了小車中心偏離中心黑線的嚴(yán)重程度，|DReal|越大，表明偏離得越厲害。這樣判斷的好處在于不管小車是否處于彎道還是直道，只要小車中心偏離了中心黑線，即只要DReal≠0就可以當(dāng)作彎道情況來進(jìn)行處理。然后分別對(duì)偏差距離DReal分別進(jìn)行一階微分(dDReal)和二階微分(d2DReal)，根據(jù)偏差距離的一階微分(dDReal)，就可以得到中心黑線的變化趨勢(shì)，從而判斷出實(shí)際跑道是彎道還是直道，如果小車是在直道上偏離了中心黑線，則同一場(chǎng)數(shù)據(jù)中前后各點(diǎn)偏差的一階微分值dDRe al是相等的，即中心黑線與小車視場(chǎng)中心的偏差距離與兩者的前后距離呈線型變化。若實(shí)際跑道是彎道，則(dDReal)不等，上述關(guān)系呈非線性變化。根據(jù)偏差的二階微分(d2DReal)，可近似得到中心黑線的曲率半徑R(直道曲率半徑視為趨近無窮)，從而得到較完整的跑道信息。以上判別過程如圖5所示。

5 結(jié)束語(yǔ)
    文中初步對(duì)智能車的路徑識(shí)別進(jìn)行了探索，對(duì)一些基本問題給出較為詳細(xì)的分析及設(shè)計(jì)，為進(jìn)一步的實(shí)踐打下了較為堅(jiān)實(shí)的基礎(chǔ)，為真正智能汽車的設(shè)計(jì)提供了有益參考。