【文章內(nèi)容簡介】 連續(xù)地掃描圖像上的一行，則輸出就是一段連續(xù)的電壓信號，該電壓信號的高低起伏反映了該行圖像的灰度變化。當(dāng)掃描完一行，視頻信號端就輸出一個低于最低視頻信號電壓的電平（如 ），并保持一段時間。這樣相當(dāng)于，緊接著每行圖像信號之后會有一個電壓“凹槽”，此“凹槽”叫做行同步脈沖，它是掃描換行的標(biāo)第一節(jié) 全國大學(xué)生智能 汽 車邀請賽技術(shù)報告 8 志。然后，跳過一行后（因為攝像頭是隔 行掃描的），開始掃描新的一行，如此下去，直到掃描完該場的視頻信號，接著又會出現(xiàn)一段場消隱區(qū)。該區(qū)中有若干個復(fù)合消隱脈沖，其中有個遠(yuǎn)寬于（即持續(xù)時間長于）其它的消隱脈沖，稱為場同步脈沖，它是掃描換場的標(biāo)志。場同步脈沖標(biāo)志著新的一場的到來，不過，場消隱區(qū)恰好跨在上一場的結(jié)尾和下一場的開始部分，得等場消隱區(qū)過去，下一場的視頻信號才真正到來。攝像頭每 秒掃描 25 幅圖像，每幅又 偶兩場，先奇場后偶場，故每秒掃描 50 場圖像。奇場時只掃描圖像中的奇數(shù)行，偶場時則只掃描偶數(shù)行 。 攝像頭的選擇 決定賽車圖像采樣模 塊實際橫向分辨能力的不是攝像頭橫向的像素數(shù)，而是 AD 采樣單行視頻信號的點數(shù)。一般而言，攝像頭分辨率越高，單行視頻信號持續(xù)的時間也越短，在 AD轉(zhuǎn)換時間不變的情況下， AD 對單行視頻信號所能采樣的點數(shù)也越少。例如， 對于 MC9S12DG128 的 A/D 轉(zhuǎn)換時間在不超頻的情況下最短為 7us的情況下。如果選用一個分辨率為 320 線的攝像頭，則單行的視頻信號持續(xù)的時間約為 20ms/320=， A/D 對單行的視頻信號所采集到的點數(shù)將不超過 []+1=9 個。若使用分辨率為 640 線的攝像頭，則單 行的視頻信號所持續(xù)的時間約 20ms/640=31us， A/D 對單行的視頻信號所采集到的點數(shù)將不超過 [31/7]+1=5 個。由此證明了，攝像頭的分辨率越高，盡管可提高縱向分辨能力，卻會減少單片機(jī) AD 采樣單行信號的點數(shù)，削弱了橫向分辨能力。另一方面，現(xiàn)在市場上的攝像頭通常都在 300 線的分辨率以上，由此推得單行視頻信號的持續(xù)時間約為 20ms/300=66us 左右， AD 采樣單行視頻信號的點數(shù)約為[66/7]+1=10 個（不超頻情況下）?？梢詽M足我們的智能車定位系統(tǒng)，可在橫向上最多也只能有 10 像素的分 辨能力，這對我們的智能車定位系統(tǒng)來說是不夠的。所以，在選擇攝像頭時，我們應(yīng)當(dāng)盡量選擇分辨率低的攝像頭。在本智能車定位系統(tǒng)的設(shè)計過程，我們在市場上所能找到的最低分辨率的攝像頭就是采用 1/3 OmniVision CMOS 為傳感芯片的攝像頭，其分辨率為 320線。 第三章 智能汽車硬件設(shè)計 9 LM1881 視頻同步信號分離芯片 LM1881視頻同步信號分離芯片 （簡稱 LM1881）可從攝像頭信號中提取信號的 時序信息，如行同步脈沖、場同步脈沖和奇、偶場信息等，并將它們轉(zhuǎn)換成 TTL 電平 直接輸給單片機(jī)的 I/O口作控 制信號之用。 LM1881的端口接線方式如 所示。 圖 LM1881引腳圖 其中，引腳 1 為行同步信號輸出端，引腳 2 為視頻信號輸入端。引腳 3 為場同步信號輸出端，當(dāng)攝像頭信號的場同步脈沖到來時，該端將變?yōu)榈碗娖剑话憔S持 230us，然后重新變回高電平。引腳 7 為奇 偶場同步信號輸出端，當(dāng)攝像頭信號處于奇場時，該端為高電平，當(dāng)處于偶場時，為低電平。事實上，我們不僅可以用場同步信號作為換場的標(biāo)志，也可以用奇 偶場間的交替作為換場的標(biāo)志 ，如圖 ： COMP SYNC O1COMP VID IN2VERT SYNC O3GND4BACK PORCH5RST6ODD/EVEN O7VCC8U?LM1881MVCC 512VC110KR?C2行同步信號奇 偶場同步信號場同步信號同步 /水平同步信號輸出視頻信號輸入端第一節(jié) 全國大學(xué)生智能 汽 車邀請賽技術(shù)報告 10 場 消 隱 區(qū)場 同 步 脈 沖視 頻1 H2 3 0 μ s t y p偶 場奇 場abcd( a ) 視 頻 信 號 ； ( b ) 行 同 步 信 號 ； （ c ） 場 同 步 信 號 ； ( d ) 奇 偶 場 同 步 信 號 圖 LM1881信號時序圖 采樣電路的設(shè)計 攝像頭視頻信號端接 LM1881 的視頻信號輸入端，同時也接入MC9S12XS128 的一個 A/D 轉(zhuǎn)換器口。 LM1881 的行同步信號端（引腳 1）接入MC9S12XS128 的一個帶中斷能力的 I/O 口即 PJ7口。之所以選用帶中斷的 I/O 口是因為，行同步信號持續(xù)時間較短，為了不漏檢到行同步信號，若使用普通 I/O 口，則只能使用等待查詢的方式來檢測到行 同步信號，這會浪費不少MC9S12XS128 的 CPU 資源。 LM1881 的奇 偶場同步信號輸出端 (引腳 7)接MC9S12XS128 的 具有中斷能力的 I/O口 PJ6。在此，我們選擇奇 偶場同步信號來作為換場的標(biāo)志信號，而不是選用 LM1881 引腳 3 輸出的場同步信號。這樣做的好處是，當(dāng)攝像頭信號處于奇場或偶場時，則奇 偶場信號整場都相應(yīng)地處于高電平或低電平 ，若有中斷信號發(fā)生 ，就可以知道攝像頭信號換場了。接奇 偶場同步信號時，用中斷的方式來判斷換場的發(fā)生同樣是很方便的。上述攝像頭、LM1881 電路和 S12 就構(gòu)成了本智能車定位系統(tǒng)的圖像采樣模塊。該圖像采樣模塊要達(dá)到的目的就是得到符合我們精度要求的圖像數(shù)據(jù) ， 采樣電路圖如圖 所示： 第三章 智能汽車硬件設(shè)計 11 COMP SYNC O1COMP VID IN2VERT SYNC O3GND4BACK PORCH5RST6ODD/EVEN O7VCC8U2LM1881MVCC1GND2VD3U35V10KC12PJ7PE1PJ616KR875R710KFC1410KFC13510PFC269v 圖 采樣電路圖 采樣效果如圖 、 ： 圖 采集到的賽道視頻圖像 圖 S 彎道視頻圖像 第一節(jié) 全國大學(xué)生智能 汽 車邀請賽技術(shù)報告 12 攝像頭的安裝 1 5c m8 c m2 5 c m8 0 c m5 c m2 0 c m4 0 c m 圖 攝像頭安裝示意圖 為取得良好的視頻效果攝像頭的 安裝 尤為重要，安裝 得低了， 前瞻 不夠 影響尋線的有效范圍；安裝得高了， 里小車遠(yuǎn)處的黑點個數(shù)減少數(shù)據(jù)可靠度明顯下降，同時增加單片機(jī)工作量 而且賽車系統(tǒng)會因重心抬高而穩(wěn)定性變差。 安裝位置合適的一個標(biāo)準(zhǔn)就是： 能夠滿足前瞻的前提下盡量縮小拍攝范圍。 13 第四章 智能汽車軟件設(shè)計 智能車軟件系統(tǒng)總體流程圖 智能車系統(tǒng)軟件設(shè)計總體框架如圖 所示： 開 始系 統(tǒng) 初 始 化圖 像 信 息 采 集 速 度 信 息 采 集判 斷 賽 道 變 化 趨 勢及 小 車 位 置判 斷 小 車 穩(wěn) 定 性小 車 方 向 控 制 小 車 速 度 控 制控 制 舵 機(jī) 控 制 電 機(jī)P I D 算 法加速減速剎車制動 圖 智能小車軟件框架流程圖 賽道識別 對于智能小車而言賽道識別是關(guān)鍵 環(huán)節(jié)，賽道識別的好壞直接影響小車的運行狀態(tài)， 是比賽能否取得良好成績的關(guān)鍵。 第一節(jié) 全國大學(xué)生智能汽車邀請賽技術(shù)報告 14 圖像 分割 圖像二值化主要有閾值和邊界兩種方法。經(jīng)過大量測試，我們發(fā)現(xiàn)邊界方法確實有較好的抗反光能力，在光線不均勻的環(huán)境下，邊界方法的表現(xiàn)比閾值方法要好很多，在不同管線環(huán)境下，與之可能變化跟大，而邊界變化則要小很多。然而，我們發(fā)現(xiàn)邊界方法也有很多缺陷： 1. 無法分辨整行全黑和整行全白的情況。 2. 圖像不清楚時丟失半邊邊界的情況很多，對起跑線識別造成困難。 3. 圖像一旦模糊，邊界將無法提取。 邊緣檢測的主要依據(jù)是 圖像的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)。但是導(dǎo)數(shù)的計算對噪聲敏感，所以在進(jìn)行邊緣檢測前需要對圖像濾波。大多數(shù)的濾波算法在濾除噪聲的同時，也降低了邊緣的強(qiáng)度。此外，幾乎所有的濾波算法都避免不了卷積運算，對于智能車系統(tǒng)來說，這種運算的計算量是 MC9SS12XS128 單片機(jī)系統(tǒng)所無法承受的。盡管閾值方法的管線適應(yīng)能力較弱 ，但比賽場地的光線不會大幅度的變化，并且閾值方法沒有上述的這些缺陷，因此，我們最終采用了閾值方法對圖像進(jìn)行二值化 ,閾值方法可以完全滿足要求。 對于閾值分割存在全局閾值分割法、局部閾值分割法及動態(tài)閾值分割法 。針對 本次比賽賽道的特點同時考慮到單片機(jī)的片內(nèi)資源，因為智能車的運行環(huán)境是比 賽賽道，背景和前景區(qū)分明顯，且背景簡約，并且比賽場地的光線的影響較小 ，前景于背景相對明顯 。結(jié)合實際需要， 我們采用全局閾值分割方法對采集到的圖像進(jìn)行處理，同時考慮到距離小車較遠(yuǎn)處的視場受到光線的影響灰度值變大，因此對于小車遠(yuǎn)處的像素點采用當(dāng)前閾值 加一作為小車遠(yuǎn)處的閾值。這樣做的好處是算法簡單程序代碼小，占用單片機(jī)資源少，處理速度快的同時圖像分割后的效果能夠滿足控制精度要求。 對于分割以后的圖像進(jìn)行而至