基于圖像捕捉技術的智能車輛實時控制系統設計與研究

董竹林

（山西交通職業技術學院，山西 太原 030031）

1 引言

隨著生產技術和自動化的發展，傳統的制造業生產方式發生了深刻的變化。智能產品的設計已經成為產品開發的主要內容，也是商家產品開發的目標之一，也是研究的熱點之一[1]。自動駕駛技術作為智能車輛輛研究的前沿探索，正成為現代智能車輛研究中最具挑戰性和吸引力的研究課題之一[2][3]。隨著自動控制、模式識別和傳感器技術在車輛電子、電氣、機械等領域的應用，智能車輛控制系統是典型的高科技綜合體，可廣泛應用于工廠自動化、定點貨車等領域，具有良好的應用前景[4]。它也可以應用在復雜、惡劣的工作環境中，并作為物流系統環節的搬運設備[5]。

智能車輛在控制過程中，需要自動調整其角度和速度，并沿著任何給定的路線前進。本文所提出的智能車輛視覺控制系統采用低功耗CMOS OV6620數碼相機，配以飛思卡爾高性能16位微控制器MC9S 12XS128作為主控CPU。將非線性PD控制算法應用于轉向控制控制中，實現了角度的實時控制。根據轉向角控制直流電機轉速（車速）與角度成反比，通過照片電編碼器名叫 yz30d4s-2-na-200實現實時的車輛速度控制，使用繼電器式控制控制算法來限制車輛速度、非線性P控制算法來控制車輛速度，從而實現閉環控制，使車輛實現智能“駕駛”。

2 系統硬件結構設計

2.1 總體設計

智能車輛視覺控制系統以飛思卡爾高性能16位MC9S12 XS128為核心控制器，主要包括電源管理模塊、圖像采集模塊、速度采集模塊、電機驅動模塊、控制驅動模塊及調試模塊。調試模塊，通過RS232串行接口與PC機通信，采用BDM調試模式進行直接在線測試，大大提高了開發效率該系統結構如圖1所示。

2.2 視覺系統

我們將相機可以隱層至主燈內，或者布置于前擋風玻璃內部，其固定在鋁合金裝甲組件上，采用碳纖維管作為支撐，從而使相機裝置具有較高的定位精度和剛性[3]。另外，根據相機的掃描原理，將相機從左上至右下旋轉180度。因此，單片機可以更早地捕捉到最近的道路圖像，進行及時的處理和響應。

視覺控制系統由OV6620和MC9S12XS128組成。考慮到MC9S 12XS128讀取速度慢于OV6620的輸出速度，我們采用高速、低功耗、異步FIFO雙端口SRAM IDT7008進行數據緩存來優化系統。該系統結構簡單，成本低，通用性強，易于移植到各種類型的系統中。MC9S12XS 128可以升級到40mhz，可以達到通常只有32位控制器才能達到的性能水平。Ilt可以完全滿足圖像采集和處理、電機、轉向實時控制的要求的PAL標準，每秒25幀，每幀2個字段，每秒50個字段，即每秒生成一幅圖像，356 x 292像素，具有高靈敏度、高集成度和比CCD更大的功耗降低。與單片機共用5V電壓電源。在使用單片機進行數據傳輸時，無需A/D轉換器和視頻同步分隔芯片 LM1881，就可以得到現場同步中斷信號。為了滿足系統需求，芯片應用LM2940和LM7806得到穩定的電壓5 V和6 V，一方面，進一步減少電阻的影響，另一方面，減少電機的過流保護電路，并影響啟動和剎車。

2.3 速度采集及控制模塊

為了實現精確的閉環速度控制，智能車輛安裝了 yz30 d4d-2na-200旋轉光電編碼器，實時得到速度反饋[4]。光電編碼器固定在專門設計的鋁合金框架內，并與差動齒輪嚙合。該智能車輛包含電機驅動齒輪和光電編碼器齒輪。一般情況下，齒輪嚙合不當會大大增加電機的負載，嚴重影響電機的轉速。齒輪嚙合的調整原則是齒輪軸必須保持平行；齒輪間隙應適當，過大的間隙可能導致齒輪斷裂，過窄的間隙可能增加傳動阻力；傳動部分不能有遲滯或周期性振動。

3 智能車輛實時控制策略

3.1 基本控制算法

根據實際情況，車輛由于需要有自我判斷能力，所以不必嚴格沿所設的路線行走。因此，轉向控制采用PD控制算法，消除了積分飽和元素。為了使車輛運行更平穩，系統需要慢調整，甚至在小偏差上不調整，快速調整的同時滿足電動機避免產生大的偏差。要求偏差比例系數 Kp和導數系數Kp為變量，即一個非線性過程，快速響應請求。

圖2 程序流程圖

但另一方面，車輛有時需要進行加速前進，以確保車輛不超過規定的速度迅速進入所設的路線（類似實際運行中的超車）。因此，需要根據偏差實時調整車速。考慮到電機轉速變化較快，電流較大，加速和制動頻繁，不僅使驅動芯片啟動熱保護，甚至會燒壞電機。同時，為了使車輛在整個駕駛過程中變速穩定，需要確保電動機速度是一個循序漸進的過程，系統需要緩慢的調整，即使沒有調整小偏差，調整速度快，同時滿足能夠調整在彎道或者超車時產生的很大偏差，防止跟蹤響應速度慢。本文設計的車輛采用非線性PD控制算法對車速進行調節。系統軟件流程圖如圖2所示。

3.2 道路圖像的提取算法

為了顯示捕捉道路圖像的黑白效果，將采集到的圖像灰度數據進行二值化得到二值圖像。為了獲得準確的道路信息，需要選擇合適的閾值。當光線強時，選擇大閾值。當光線較弱時，選擇小閾值。二值圖像中，前10行采用邊緣提取方法，下一行采用跟蹤邊緣提取方法。使用前10行的位置。定位在第11行位置，然后搜索該區域的黑線，類推，根據前一條線確定后一條線。當沒有找到黑線的位置時，保持前一行的位置為當前黑線的位置，并擴展下一行的搜索區域。如果不搜索連續三條黑線，則認為這條線丟失了，退出搜索。這樣可以去除干擾，還可以大大提高算法的效率。然后對搜索到的黑線進行中值濾波和幅值限制濾波。該算法在光干擾較大的環境下具有較強的適應性。

3.3 非線性PD轉向控制

為了充分利用相機的優勢，減少干擾。得到轉向控制C[3]這個公式：

K1和K2是加權系數。KP1和KD為轉向比例系數和派生系數。

采用該控制策略可以實現對車輛實時位置的加權控制，提高曲線速度，減少決策累積誤差，并且道路識別信息更加豐富，大大降低了車輛的跑偏機率。此外，預測與近距離的雙重組合可提前轉彎。

3.4 非線性速度控制

由于硬件上的速度傳感器，可以得到當前車輛的速度G，然后形成閉環控制。采用非線性PD控制，能及時、快速、穩定地將速度調節到預設值。根據不同的軌跡，利用攝像頭檢測當前位置偏差動態調整小車預期速度 E，從而實現智能車輛的自動調速。為提高速度，在直道設置最高目標速度D，當從直道到彎道時，車輛應該相應減速，以防止意外發生；行駛到彎道時，當前位置誤差變小，車速增大；當駛出時，車輛立即加速并提高穩定性，以提高整個速度。為了不使速度超速，設定了加權系數（K）；介紹了調整車速響應，實現閉環控制的非線性P控制。車輛速度F的公式為：

KP2是速度系數。引入了調節系數K4，E = D-C/ K4。

4 結論

綜上所述，本文設計了一種基于圖像捕捉技術的智能車輛實時控制系統，實現了由OV6620和MC9S12XS 128組成的視覺控制系統。再加上邊緣提取算法和跟蹤算法，可以有效地從道路中提取中心線。該組合具有一定的抗干擾能力和對環境的適應能力。在此基礎上，只需添加一定的控制算法即可實現車輛視覺控制系統的轉向和速度控制。視覺控制系統簡單、可靠。減少了外圍處理電路，不需要A/D轉換電路和視頻同步分隔電路。該系統大大縮短了圖像采集和處理時間，使車輛能夠按照任意給定的路線平穩行駛。當然，本系統運行平穩可靠、價格低廉、結構簡單、模塊化、抗干擾能力強、動態性能好，是未來智能車輛和自動駕駛的前景方向。