智能小车的路径识别问题

智能小车的路径识别问题

摘要：智能小车路径识别技术是系统进行控制的前提，介绍了路径识别技术的几种分类及相应的优缺点，通过分析得出面阵CCD摄像更适合作为采集信息的工具。

关键词：智能小车；路径识别；面阵CCD摄像器件

Abstract: Smart car’s path recognition technology is the premise of the control system, this paper introduces the path of several classification and recognition technology, through the analysis of the advantages and disadvantages of the corresponding to array CCD camera is more suitable for gathering information as the tool.

Key words:smart car; Path recognition; Surface array CCD camera device

0 引言：为培养大学生的自主创新设计的能力，各大高校都设置了智能车比赛，智能小车

行驶在给定的白色路面，由中间的黑色轨迹线引导，实现自主循迹功能。实现该

功能的小车主要由电源模块、循迹模块、单片机模块、舵机模块、后轮电机驱动

模块组成。路径模块一般由ATD模块，外围芯片和电路，与路面信息获取模块

组成，要能够快速准确得进行路径识别检测及相关循迹算法研究，本文就这两个

方面进行相应的分析和介绍。

1 光电传感器

1.1 反射式红外发射接收器

半导体受到光照时会产生电子-空穴对，是导电性能增强，光线愈强，阻值愈低。这种光照后电阻率变化的现象称为光电导效应[1]，用于路径检测的反射式红外光电传感器基于此原理设计。该传感器一般由一个红外线发射二极管和一个光电二极管组成，可以发射并检测到反射目的光线。不同颜色的物体对光的反射率不同，当发射出的红外光对准黑色物体时，反射的红外线很少，光电二极管不能导通，反之，当对准白色物体时，光电二极管导通[2]。系统的单片机接收到光电二极管的信息根据相应的算法分析出小车此时的位置及位置偏离度，进而控制小车的方向和速度。

光电式传感器是通过对光的测量通过光电元件转化为电信号，并输出有效的输出量，由于外界光电因素的原因导致空间分辨率低是每个红外传感器存在的缺点，因此必须对原始传感器信息进行预处理，取相对值是一种有效解决外界干扰的方法，即将传感器未发射红外线时的A/D转换值进行提取，再与红外线时的转换值取相对值。文献[2]同时也提出了如何根据每个传感器的相对值与传感器位置推断出车模相对于黑色引导线的横向偏移位置。而文献[3]中所描述的方法与文献[2]有异曲同工之妙，文献[4][5]也对光电传感器的路径算法有详细科学的介绍。

1.2光敏电阻阵列传感器

假设光敏电阻阵列布置如图1所示，在智能小车的正前方布置n个光敏电阻( n=1,2,…, 11 ) ,在其质心位置依次紧密排列m个光敏电阻（m=1,2…7），首先测出路径黑色区域和白色区域的光敏电阻值，以通过d点的中心线的交点为原点建立坐标系,两排光敏之间的距离为K,光敏n和n+1且n>6或者(n和n-1且n<6)所测的值分别为黑色区域值和白色区域值，光敏6中心为智能小车的中心线通过点，而光敏d也为其通过点，连接这两点即为智能小车的中心线，则通过小车中心线并与黑色区域光敏值对应的光敏n与光敏m的连线即为所求路径信息。理论上讲，只要有两点就可以确定唯一的直线。

设路径标线的中心线在以小车质心为原点的坐标系中的方程为y=ax+b, 其中a为路径标线中心线在图像坐标系中的斜率, b 为路径标线中心线在纵轴上的截距，如图2所示，通过光敏传感器m和光敏n的位置确定参数a和b,并且可以确定路径标线在坐标系中的位置偏差参数( e)和方向角参数(α) , e = n r, α =a rctan ( a / b) ,这两个参数可作为控制系统的输入量,以控制小车对运行路径的跟踪[6]。

图1 传感器阵列布置图2 系统坐标图

基于光电传感器设计的循迹电路还有二极管+光敏电阻等形式，其原理都是利用光的不同引起相应电的变化进行设计，其响应速度都很快，但这类电路由于对光的依赖相当大，导致光照对电路实现的影响显著，很容易造成检测失误，从而小车的整体运行出现偏差，并且，占用CPU端口资源较多，安装固定、接线困难，传感器都是仍存在差异的，导致测量结果出现偏差，再且，光电传感器之间的信息无法相互传递，从而对系统运行也会产生不利影响。光电传感器检测到前方10~15cm的信息，前瞻性较差，控制系统难以做好及时改变的应对措施，速度难以加快，性能不稳定，虽然采用了脉冲发射红外线提高检测长度，但相比于后面介绍的摄像头前瞻性依然有待改善。

2图像传感器

2.1 CCD摄像

图像传感器是电荷转移器件与光敏阵列原件集为一体构成的具有自扫描功能的摄像器件。它与传统的电子束扫描真空摄像管相比，具有体积小、重量轻、使用电压低（<20V）、可靠性高和不需要强光照明等优点。图像传感器的核心是电荷转移器件，其中常用的是电荷耦合器件CCD[7]。CCD图像传感器通常分为线阵CCD图像传感器和面阵CCD图像传感器。

线阵图像传感器采集信息的主要工作原理是：摄像头按一定的分辨率进行逐行扫描，将扫描到的点的灰度值转换为相应的电压值，当扫描完一行后，视频信号输出端将会出现一个持续一段时间的电压凹槽，称为行消隐区，行消隐区是为避免逆光栅而出现的，行同步脉冲用于开始一行图像信息的扫描，当一场图像信息扫描完后，会出现一段长时间的场消隐区[8]，场消隐区包含复合消隐脉冲、场同步脉冲和行同步脉冲，复合消隐信号是行消隐信号和场消隐信号的逻辑与，在非显示区为低电平，如图3所示。

图3 摄像头视频信号图4 图像二值化

智能小车的视频信号输出后，需要进行二值化处理和视频信号的分离，为有效得将消隐脉冲和同步脉冲从视频信号中提取出来，需要进行信号分离。由于A/D转换的速度很慢，不能及时有效得分离出信号，因此可以根据一款专门分离信号的芯片LM1881可以准确快速地实现提取相应的信息。

摄像头完成一场图像的采样后，就得到了一张一场图像的离散路径采样值的二维坐标图，取坐标图的右上角为坐标原点（1,1），然后根据黑白阀值的设置对图像灰度值进行二值化处理，获取道路的有效信息。处理过程如图4所示，a mn代表第m行第n列点的A/D值，m=20，n=70,C为黑白阀值，1为白点，0为黑点。从图中可看出二值化的道路信息很清晰, 但在实际情况当中, 道路中可能会出现与导引线颜色相近的一些杂点, 这会干扰导引线的提取。因此,采用中值滤波对干扰点滤除, 即对每个黑点周围的若干个数据点求平均值, 按照给定阀值进行判断, 从而有效滤除黑色孤点和噪声干扰, 保留连续的中心黑点, 保证了导引线的平滑性[9]。

图像信息采集的过程中，杂波是不可避免的，拿一行视频信号为例，采集到的60个数据逐个转换为0和1存储到一个一维数组中，这个数组是一个0和1组成的序列，1代表白色，0代表黑色。但系统计算出来的0和1不可能都是准确无误的，视频信号中都会带有一定的杂波，如果不滤除的话，路径判断会出现错误。文献[10]有详细介绍滤波函数的主要原理，对于检测出的一组序列含有10个以上的数据，但其中有一个到两个数据与另外的数据不同，则将这不同的数据进行取反操作，即认为这一两个数据属于杂波。在实验中得到测试结果，当检测到路径信息时, 数组中0的个数一般不会低于3个, 所以, 滤除一个和两个杂波数据并不会影响到正常的路径识别, 而同时出现3个杂波数据而且又处于相临的位置,

这样的可能非常微小, 可以忽略不计。事实证明, 这个方法既可以滤除赛道上的杂波信号, 也可以滤除路径上的杂波信号，效果很显著。另外一种滤除杂波的方法是利用数学形态学[11]。

根据所提取出的图像信息确定黑线位置常用的方法有逐行扫描法、边缘捕捉法和区域搜索法，采用逐行扫描法容易把周围的颜色误认为是黑线，并且在一定程度上比较耗时，利用边缘捕捉法，从采集到的某行数据的中心点开始，判断该点是否为黑点，若是黑点，则从该中心点依次向右检测，若检测到连续2个或3个都是白点，且相应的A/D值之差大于设定的阈值时，则记下最后一个黑点的位置并记录下来，再从该中心点依次向左开始检测，同样记录下最后一个黑点的位置并记录下来，两次的位置求平均即为黑线中心位置，若检测不到预测的点，则该组数据作废。另一种情况是检测到的中心点为白点，则从该中心点依次往右检测，若出现的情况是从白到黑再出现黑到白的情况则记录这两次变化的位置值，求其均值即为黑线中心点位置。若出现全黑或全白，则该组数据作废[12]。文献[12]中存在的漏洞在于作者检测到边缘时没有进行多次检测，从而导致检测失误的概率增大，造成了判断失误。边缘捕捉法是通过判断上升沿和下降沿的位置来计算黑线的位置，并检测数据是否满足对应的A/D值来减小误差。边缘捕捉法具有对黑线反应灵敏、准确度高、抗干扰能力强等优点。

很多情况下将两种或三种算法同时使用，可以大大提高运行的速度和精度，例如文献[13]中，用边缘检测的方法提取出前10行的黑线位置，当前10行黑线存在时，利用前10行的位置确定第11行黑线的位置，然后在这个区间搜索黑线，以此类推用前一行黑线的位置确定后一行黑线的位置，即采用区域搜索法进行检测，当本行黑线没有找到时，此时黑线位置保持上行的值，下行搜索的位置相应的扩大，有连续三行搜索不到黑线时判定为黑线丢失，推出搜索。这样既可以去除干扰，还可以大大提高算法的效率。

2.2CMOS摄像

CMOS摄像器件内部结构主要由感光元件阵列、灵敏放大器、阵列扫描电路、控制电路、时序电路等组成。CMOS工作的基本原理是将光信号转变为模拟信号电压，其功耗和成本较之于CCD摄像器件要低，但其灵敏度和分辨率没有CCD摄像器件好，在预定的黑线导引轨道上，系统对于路面图像的分辨率要求不需要很高，而降低图像分辨率能减少图像存储占用的空间，加快图像处理速度，而且仍有足够的信息来控制小车的行驶[14]。

文献[15]处有一种黑线提取的策略，由于黑线处的灰度值一般在10左右，但由于摄像头采集的数据都存在杂波，因此只有连续两个像素点的灰度值都是10左右的才被定为实际的黑点信息，然后通过对黑点所在的坐标取平均值即得到黑线的中心坐标。中心坐标位置

x=(x(1)+...+x(n))/n。文献[16]中详细介绍了三维的基于线性识别算法，其准确度和确定性都有一个明显的改善。

CCD摄像器件和CMOS摄像器件都是通过摄像头获取路面图像信息，通过对图像信息的处理获得所需要的信号，进而分析路面信息，位置偏离情况等，并通过相应的微处理器进行控制。如表1所示为这两种摄像器件的比较。可以看出这两种摄像器件都各有优缺点，但针对于本文特定的路径信息，笔者认为CCD摄像器更适合于小车的路径识别，能够很准确的进行图像采取，前瞻性好，虽然图像处理的速度比较慢，但可以通过相应的算法加以改善。在此基础上，系统有更大的潜力进行速度的提高，而不至于担心小车运动过程中会偏离轨道。

表1 CMOS与CCD摄像器件的对比

3电磁导航

电磁导航系统是近些年新发展出的一种技术，在临床医学、农用中存在相对于光学导航存在明显的优势，它不受外界光照因素的影响，在显微神经外科手术[17]、脊柱外科[18] 中生活导航[19]以及农业中搬运货物[20]中都有详细的介绍。在本文所描述的已知既定的路面环境下，根据黑线上附带的磁场判定方向，从而实现小车的运行。

根据法拉第电磁感应定律，在通有交变电流的导线周围放一线圈，则线圈两端将产生感应电动势。并且，在导线电流的变化率、线圈的匝数、线圈的截面积不变的情况下，线圈中感应电动式的大小与两者之间距离成反比。

将两只电磁感应传感器以一定距离对称的安装在机器人前端底部，可以测得机器人偏离

引导线中心时两只磁感应传感器输出电压的差值，从而得出机器人偏离引导线的数值[21]。图5为传感器工作原理示意图。

图5 传感器工作原理示意图

由于电磁感应的限制，电磁导航的智能小车依然存在前瞻性较差的现象。

4结束语

本文通过对智能小车路径识别的多种不同方式方法进行研究，得出如下结论：光电传感器空间分辨率低，系统性能不稳定，尽管其反应速度快，但设计要求的是在小车稳定运行的前提下实现速度的提高，而电磁导航也存在前瞻性差，受干扰性大的缺陷，因此，CCD摄像头分辨率高，灵敏度高，算法的适合可以对速度控制加以改善，更符合设计要求。

参考文献

[1,7]贾伯年，俞朴，宋爱国.传感器技术.南京：东南大学出版社，2007

[2]雷钧.光电自动循迹智能车控制系统的开发.苏州大学学报（工科版），2009，29(6)

[3]石振东，吕科，喻清洲等.基于红外路径识别的智能车控制系统设计.湖北汽车工业学院学报，2007,21(3)

[4]梁业宗，李波，赵磊.基于路径识别算法的智能车控制系统的设计.自动化技术与应

用.2009,28(1):121-123

[5]Ernesto Martín Gorostiza *, JoséLuis Lázaro Galilea, Franciso Javier Meca Meca, David Salido Monzú , Felipe Espinosa Zapata and Luis Pallarés Puerto.Infrared Sensor System for Mobile-Robot Positioning in Intelligent Spaces.sensors.2011,11:5416-5438

[6]廖华丽，周祥，董丰等.基于模糊控制的A VG寻迹算法.哈尔滨工业大学学报,2005,37(7)

[8]温阳东，王祥好.基于线阵CCD的智能小车路径识别系统.合肥工业大学学报（自然科学版）.2009,32(9)

[9]田瑶，刘晓邦，瞿少成等.基于CCD摄像头的智能小车系统的研制.电子测量技

术.2010，,33(6)

[10]史晓杰，杨公源.智能小车路径识别的设计和算法.仪器仪表用户.2010,5(15):28-29

[11]张琳琳，段中兴.基于嵌入式的移动机器人导航算法研究.工业控制计算

机.2010,23(6):65-66

[12]王文杰，凌六一.基于摄像头的智能车控制系统的设计.科技资讯.2009,26

[13]段振兴.基于MC9S128的摄像头导航智能车的设计与实现.甘肃科技纵

横.2011,40(3):11-13

[14]唐建文.基于CMOS摄像头的智能小车导航控制.装备制造技术.2010,6:184-185

[15]毛堃，樊月珍，钱桦等.基于CMOS数字摄像头检测路径的智能小车计.微计算机信息（嵌入式与SOC）.2010,26(7-2):196-197

[16]Dong-Young Yoo · Jin Young Choi · Jae-Kyu Lee ·Seongjin Ahn · Jin Wook Chung.Spatial Modelling for Mobile Rob ot’s Vision-based Navigation.J Intell Robot Syst,2011,63:131-147

[17]杨立斌，顾建文，屈延等.电磁导航与术中实时超声在显微神经外科手术中的应用.西部医学，2008,20(5):927-929

[18]张海强，狄鸥，宋国庆等.InstaTrak3500 Plus电磁导航系统Fluoro Trak程序的临床应用.医械临床.2009，30(7)：78-79

[19]孙强，胡晨.手持式导航仪电源EMI设计.电子器件.2008,31(2):623-625

[20,21]郭丽君.基于LabVIEW的温室移动机器人导航系统.农机化研究.2011,3:182-185