文章正文

诗词 散文 小说 杂文 校园 文苑 历史 人物 人生 生活 幽默 美文 资源中心小说阅读归一云思

一种用于智能车图像处理的设计

时间:2023/11/9 作者: 山东青年 热度: 15590
刘兰兰+罗念+张远念

  摘要:为了实现智能车路径自主识别,设计一种路径识别系统,对智能车道路信息提取及处理算法和控制决策算法进行了研究。本研究以MK60DN512ZLVQ100(K60)作为核心控制器,系统中硬件设计通过CMOS动态集成模拟摄像头OV7620作为图像传感器对赛道进行检测并拍摄赛道图像,输出图像到K60微处理器进行处理,利用自适应动态阈值图像处理算法对采集的信息进行还原、滤波,计算出最佳路径。

  关键词:飞思卡尔;OV7620;动态阈值;控制算法

  1、引言

  智能车集中运用了自动控制、多传感器信息融合、导航技术、无线通信技术以及人工智能算法等高新技术[1]。在传统智能车比赛中经常应用CCD传感器作为图像数据的路径识别模块,但CCD传感器的前瞻较小且延伸调节不方便,其能获取到的有效数据局限于有限的几点,因此在多变的赛道环境中的适应性较差。而CMOS OV7620动态集成模拟摄像头[2]的前瞻较远且可调节性较强,能及早捕捉和提取循迹轨道信息以便做出加速、减速等处理。图像数据二值化处理的好坏决定着路径识别模块处理的稳定性能和处理结果正确性。以嵌入式单片机K60为核心控制器,利用其强大的数据处理能力和丰富的外设接口设计,来实现摄像头图像数据处理。

  2、系统硬件设计

  2.1核心控制器模块

  本系统采用Freescale32位K60系统微控制器作为系统核心控制处理器,根据其技术手册,K60微控制器具有丰富的模拟、通信、定时和控制外设,内含256KB Flash。另外,其特有的DSP指令和单精度浮点运算具备直接访问(DMA)控制器与复用器功能,最高时频可达180MHz。

  2.2图像采集模块

  本系统采用OV7620图像传感器,OV7620内置10位双通道A/D转换器,输出8位图像数据,因此直接将摄像头的图像灰度信息输出连接至K60的GPIO端口,K60微控制器使用3.3V电压作为工作电压,而OV7620端口输出电压为5V,为了防止单片机长时间过压,需要将OV7620的输出信号在不改变其包含信息前提下做相应的转换,从而实现系统的稳定运行。

  3、系统软件设计

  高效的软件程序是小车高速、平稳自动循迹的基础,系统软件采用C语言编程[3],主要由初始化、图像采集与处理两个模块组成,软件流程如图1所示。其中图像采集与处理模块[4]是软件核心部分,包括动态阈值二值化、引导线提取等。主控模块通过循环调用图像采集与处理对采集到的图像进行处理。

  3.1摄像头视频信息采集

  K60首先捕捉OV7620VSYN中断,进入场中断,然后捕捉HERF,进入行中断,读取GPIO端口图像灰度数据存入图像数据数组。

  摄像头采用俯视角度采集路径信息,由于其视野角度比较小,因此所拍摄的画面会呈倒梯形,如圖2所示。

  3.2路径图像信息提取

  1.图像分割

  图像分割算法大概可以分为边缘检测分割和阈值分割两类。

  图像边缘是指图像中周围像素灰度有阶跃变化或屋顶变化的像素点,而边缘检测的主要依据是图像一阶导数和二阶导数,但是进行图像边缘检测的前提是首先要对图像进行滤波,过程复杂,大量浪费单片机的CPU。

  阈值分割是基于区域的图像分割方法,适用于物体与背景区域具有强烈对比的图像,而且计算简单。阈值分割算法的关键在于阈值的确定,由于智能车辆识别路径过程中,受时间和空间变化影响较大,必须采用动态阈值分割算法。

  2.动态阈值算法

  动态阈值分割算法主要有实验法、灰度直方图法、迭代选择阈值法、最小均方误差发、最大类间方差法等。

  由于本系统测试试验中的路径信息只有黑白信息,比较单一,在采用根据直方图谷底确定阈值的测试中,受外界光线影响,有严重的噪声,因此采用一种动态阈值检测方法,设计步骤如下:

  (1)读取当前图像的灰度值,并存入数组Buffer[row][column];

  (2)遍历数组中所有的数值,采用最优二叉寻找树方法寻找数组中的最大和最小灰度值,并确定阈值初值;

  (3)根据阈值将图像分割成前景和背景两部分,求出两部分的平均灰度值;

  (4)求出新阈值;

  (5)将新阈值保存进行其他操作,返回第(1)步。

  3.黑线提取算法

  (1)用检测跳变的方法提取出前十行中每行的两个跳变点;

  (2)然后多次求平均值就可以得到前十行的黑线位置;

  (3)之后每十行进行同样操作即可提取全部黑线。

  4、结果分析

  在线测试的结果表明了自适应动态阈值图像处理算法在智能车路径识别中具有明显的优势,通过该算法对图像进行有效的处理,可以增加智能车对路径的跟随性能。

  5、总结

  本设计结合全国大学生“飞思卡尔”杯智能汽车竞赛,采用OV7620摄像头采集道路信息,通过对采集图像运用自适应动态阈值图像处理算法对图像进行有效的处理,可以增加智能车对路径的跟随性能。实验测试结果表明,本文给出的方法对智能车道路信息的采集具有明显优势,且系统运行稳定。

  [参考文献]

  [1]程亚龙,周怡君.基于CMOS传感器的智能车路径识别研究[J].机械制造与自动化,2007(5).

  [2]王超艺,王宜怀.基于红外传感器的自循迹小车控制系统的设计[J].电子工程师,2008,34(11).

  [3]郭天祥.新概念51单片机C语言教程:入门、提高、开发、拓展全攻略[M].北京:电子工业出版社,2012.

  [4]王琴慧.数字图像处理[M].北京:北京邮电大学出版社,2006.

  (作者单位:湖北民族学院 信息工程学院,湖北 恩施 445000)endprint
赞(0)


猜你喜欢

推荐阅读

参与评论

0 条评论
×

欢迎登录归一原创文学网站

最新评论