基于攝像頭的賽道信息處理和控制策略實現

在去年的Freescale全國大學生智能車大賽中，賽道信息檢測方案總體上有兩大類：光電傳感器方案和攝像頭方案。前者電路設計簡單、信息檢測頻率高，但檢測范圍、精度有限且能耗較大；后者獲取的賽道信息豐富，但電路設計和軟件處理較復雜，且信息更新速度較慢。在比較了兩種方案的特點并實際測試后，我們選擇了攝像頭方案。本文將在獲得攝像頭采集數據的前提下，討論如何對數據進行處理和控制策略的實現。

一值化

我們選擇了一款1／3 OmniVision CMOS攝像頭，用LMl88l進行信號分離，結合AD采樣，實現了視頻信號的采集。在總線周期為32M的情況下，每行最多能夠采集80個點，其中前14個數據為行消影，第15到第80個點為有效數據點(見圖1)。

攝像頭每場信號有320行，其中第23到310行為視頻信號。我們從中均勻采集了 12

原始數據包含了黑線的位置信息，為了穩定可靠地提取達一信息，我們采取了以下步驟：

二值化

由于白線對應的電平值較高，而黑線電平值較低，因此圖中第43到48點間的凹槽就是黑線所在位置。為了提取出黑線，直觀的想法是榆測電平值的跳變。但實際黑白線邊沿的電平經常不是突然跳變的，而何一個過渡過程，為此我們先對原始數據進行了二值化處理。這不僅使得邊沿更加明顯，而且可以去除電平值的一些小波動。二值化的結果如圖2所示。

黑線位置提取

二值化后，視頻信號就只有黑白二種電平了。從左到右掃描視頻信號，通常先掃到的是自點；否則若是黑點(賽道外)，則繼續往下，直到第一個白點。然后，設置一個計數器記錄第一個白點后面連續出現的黑點數目。計數器初值為0，若檢測到一個黑點，則加1；否則計數器重新置0。計數器每次清零前，判斷是否大于2小于10(這可以濾除一兩個黑點產生的毛刺)：如果是，則黑線中心位置為當前點的坐標減去計數器值的一半；否則，繼續掃描直到整行結束。最后單行的黑線提取位置如圖3所示。

中值濾波

完成單行黑線提取后，可將12行位置連接起來，得到黑線的大致趨勢。但即使前面已有一些濾除干擾的措施，仍能發現個別行的黑線位置偶爾會出現異常跳變。于是，這里采用了常用的中值濾波技術；對于中間第2到11行這10行黑線位置，用當前行和前后兩行位置的中間值作為當前行濾波后的黑線位置。中值濾波可消除單行干擾，得到的lO行有效黑線位置用數組black_line(10)表示。

控制策略

得到10行黑線位置后，就可以充分利用這一信息對賽道各種情況(如圖4所示)進行判決，實現速度和轉向的優化控制：如在直道保持高速、入彎減速出彎加速；直道和s道P參數小些、普通彎道P參數大些等。下面通過給出作用在black-line數組上的算子0，介紹賽道判決的方法。

算子0計算的是賽道黑線與視野中心線所圍成的面積(圖4中黃色區域)。其計算公式為：（公式）

其中mid為中心線的位置。一般來說，(1)式的結果在直道上很小，且隨著賽車不斷進入彎道內，數值將逐漸增大，出彎時則逐漸減小。這樣，可以根據size的值進行分級，判斷賽車前方的路況，決定賽車的速度級別。另外，速度也可采用以size為變量的P控制：（公式）其中cur_speed為當前控制速度，min_speed和max_speed分別為控制范圍內的最小、最大速度，rain_size和max_size為size的最小、最大值。

舵機控制的各種參數當然也可以根據size的大小進行比例調整，這樣能達到快速沖過S彎的效果，但由于size值并不能嚴格區分S彎和人彎前一段時間的狀態，所以在普通彎道中賽車將靠內行駛，存在碰到內側標志桿的危險。因此，為了安全起見，舵機控制采用一般的P控制即可。

實踐證明，攝像頭能采集豐富的賽道信息，對這些信息進行預處理，并充分利用提取到的黑線位置對賽道進行判決，能使得賽車行駛快速流暢。

相信隨著比賽的深入，攝像頭方案的潛力會被進一步挖掘。今后為了適應更復雜賽道的要求，提高參賽成績，可以考慮：

·結合記憶算法。賽道記憶能實現賽車行駛的全局優化，而且今年增加了坡道，僅憑視覺很難預先檢測，因此若結合記憶算法將明顯提高性能。

·對判決算子進行改進。前面介紹的賽道判決算子，能反映直道和進出彎道的特征，但是對于s道并不敏感，因此可以考慮對其進行改進，或者采用其它算子。通常，將幾個算子的結果進行加權平均后能達到更好的效果。