基于黑白摄像头的智能小车路径识别系统设计

422009年第2期基于黑白摄像头的智能小车路径识别系统设计The Design of Intelligent Veh icle Path Recognition Based on Monochro m e Camera吴吟箫* 张 虹 王新生WU Yi n -x i a o Z HA NGH ong W A NG X in -s heng do:i 10.3969/.j issn .1672-9528.2009.02.015摘 要路径识别是汽车智能化发展的必然趋势。

在基于飞思卡尔单片机的智能车路径识别系统的设计中,首先采用基于黑白摄像头的图像采样模块获取路径图像信息;然后分别说明图像采集,图像预处理,黑线提取,路径判断部分的软件设计。

其中,在图像预处理中使用了二值化和中值滤波算法,并且在黑线提取中提出了改进插值算法。

实验表明,整个系统硬件设计简单,软件算法快速有效。

关键词路径识别 中值滤波 寻线算法Abstr a ct Inte lli gentize of vehic l e is a trend of cars .develop m ent in the future .P ath recogn ition i s o ne ofthe appli catio n d i rectio ns .Th is pa t h reco gn iti on syste m of i ntelli gent car uses i m age -sensor m odu l e based on ca m era to obta i n lane i m age i n f or m ati on .The whole syste m i s d i vi ded into f our parts :i m age acqu i s ition ,i m age pre-processi ng ,abstracting t he black li ne ,and road detec tion .The i m age pre-processi ng part uses the b i nary 2zatio n and t he m ed ian filter i ng to i m prove the i m age i n f or m ati on .Then by us i ng the i m proved a l gorith m,the resu lt of abstracting t he black li ne beco mes m ore prec i se .The ulti m ate a i m of the whole syste m i s to accurate l y abstract the b l ack g u i de li nes fro m the wh ite race way ,f oll o wi ng the road pa ra m e ters and co nditi ons i n fro nt ,m aki ng the car m ove prope rly .K ey word s R oad detecti on M ed i an filteri ng L i ne-tracking*哈尔滨工业大学(威海)信息科学与工程学院 264209基金项目:山东省自然科学基金(Y2007G20)1 引言智能化技术与汽车相结合产生的智能汽车将在未来工业生产和日常生活中扮演重要的角色,而路径识别则正是体现智能车智能水平的一个重要标志。

本文中智能小车路径识别系统基于摄像头和飞思卡尔16位微控制器MC9S12D G128B 组成,由摄像头采集图像有用信息送入单片机分析道路参数。

智能小车的运行环境[1]如图1所示。

其中,跑道黑线宽度为25mm;跑道最小曲率半径不小于500mm;跑道可以交叉,交叉角为90b 。

一个完整的路径识别系统不仅需要具备图像信号的采集功能,还要求完成图像信号的分析及处理算法。

因而,本系统分成四个模块:视频图像采集、图像预处理、黑线中心提取、路径判断。

2 视频图像采集视频图像的采集是基于M C9S12D G128单片机来实现的。

M C9S12D G128B 是F reesca le 开发的以CPU12内核为核心的单片机,采用5V 供电,总线速度25MH z ,8KBRA M,128KBFLAS H,具有丰富的I /O 模块和工业控制专用的通信模块[2]。

由于采用摄像头寻迹能大幅度提升赛车的前瞻距离,有利于赛车提高车速。

同时,赛道上只有黑白两色,只需提取探测画面的灰度信息就能识别出黑线信息,因而从减少成本和减轻单片机采样的负担两方面考虑,图像采集部分选用黑白摄像头。

摄像头输出的是PAL 制式的复合全电视信号,每秒输出25帧(每帧分为偶场和奇场)。

黑白视频图像信号通常由图像信号、消隐信号以及同步信号共同组成[3]。

图1 智能小车的跑道环境要能有效地采样摄像头视频信号,首先要提取出摄像头信号中的行同步脉冲,消隐脉冲和场同步脉冲。

L M1881视频同步信号分离芯片可从摄像头信号中提取信号的时序信息,如行同步脉冲、场同步脉冲和奇、偶场信息等,并将它们转换成TTL 电平直接输给单片机的I/O 口作控制信号之用,如图2。

这部分的硬件设计为:摄像头视频信号接入L M 1881的视频信号输入端,同时接入单片机其中一个A /D 口(这里选择PAD8口);L M 1881的行同步信号和奇偶场同步信号分别接入单片机的带中断的I/O 口PT0、PT1。

设置PT1口为输入捕捉下降沿,即采2009年第2期43集偶场信号。

当新的一场到来时,单片机首先采集到下降沿信息进入场中断。

在场中断处理程序中先将场中断关闭,然后启动行中断,并设置PT0口为输入捕捉上升沿。

当单片机捕捉到行同步信号后就进入行同步中断处理程序,开始采集图像信息。

本系统中使用的摄像头分辨率为352x288,但由于S12单片机的A /D 转换能力有限,并且赛道只有黑白两色,而本系统的目的只在于提取出黑线中心,所以不需要提取一行中所有的点。

基于以上两点原因,最终方案采集40x20分辨率图像。

通过试验证明,40x20分辨率的图像可以完整的反映出道路状况,采集效果如图3。

3 图像预处理图像预处理的目的是改善图像质量,在本系统中的目的是为单片机识别路径提供一幅更为清晰,更易判断的赛道图像。

3.1 二值化处理将图像导入m a tlab 进行分析,发现原始图像像素值均在0-255内,而白色区域像素值一般在160以上,黑色区域一般在70以下。

为了提取出黑线,检测像素值的跳变是最直观的方案,但是实际中一般黑白线边沿的像素值不是突然跳变的,而有一个过渡过程。

所以,将原始图像进行二值化处理不但有清晰边沿线的功能,还能方便后续路径识别部分算法的设计与处理。

二值化处理就是对于输入图像的各个像素,先确定某个亮度值,当像素的亮度超过该阈值时,则将对应输出图像的像素值设为1,否则为0,原理公式如下[4]:g (x ,y)=1f (x ,y )E t 0f (x ,y )<t其中,f (x ,y ),g (x ,y)分别为处理前、处理后的图像中处于(x ,y)位置上的某个像素的浓度值,t 为阈值。

图4为二值化后的效果,0为黑点,1为白点。

3.2 基于二值图像的中值滤波二值化后的赛道状况已经非常明了,但是仍有干扰存在,这样对赛道的识别及接下来的算法设计会造成一定的困难。

因而,选择对图像进行中值滤波。

该方法是一种局部平均的平滑技术,对脉冲干扰和椒盐噪声的抑制效果好,能有效保护图像的边缘[5]。

图4 二值化后的图像1x3窗口中值滤波是非常简单的一种去噪方法,是将某个像素点和相邻两个像素点的像素值按大小顺序排列,取出中间值作为该点的像素值。

这种方法能够有效的抑制随机噪声,并且计算量相比去噪常用的3x3模板要小得多。

减小计算量能够有效的提高单片机识别道路的速度,这一点对时间要求较高的实时处理是非常重要的。

为了说明此方案的适用性,随机在图像数组中加入噪声点,如图5。

为了使接下来的验证过程更为方便,设计中将实际图像用ma tlab 进行二值化,导出一个二维数组,在验证算法时不同的道路状况只需修改数组中的值即可。

图6中a 、b 分别为1x3模板和3x3模板中值滤波后的效果图。

从图中可以看出虽然3x3模板的去噪效果要稍好,但是1x3模板显然已经能去除绝大部分噪声点。

并且在实际赛道中噪声点的数量要比这里引入的噪声点少,即使有极少部分噪声点没有滤除,通过接下来提取黑线算法同样442009年第2期可以消除影响。

因而从去噪效果和计算量两方面来考虑,1x3模板中值滤波更具有优势。

4 黑线中心提取提取黑线中心部分是小车路径识别系统中最为重要的一个环节,关系到智能小车运行质量的好坏。

这里黑线中心提取方法为:先判断每行的第一个点是否为白点,如是白点则依次对白点进行计数(设计数为a ),当遇到连续黑点时则计数黑点个数(设计数为b),再次遇到白点时则退出该行计数,此时黑线中心所在列为a+b /2;如果第一个为黑点,且不是噪声点(即为连续的黑点),则直接对黑点计数(设计数为b),当遇到连续白点后则退出计数,这种情况下得到的黑线中心位于第b /2列。

最后将从一幅图像上得到的所有中心位置按行存入一个一维数组中。

但是不得不考虑两种比较特殊的情况,起始线和十字交叉线。

通过观察发现这两种情况下每行出现黑点的数量远远大于黑线的黑点数(黑线一般能采集到2-3个黑点),所以当采集到的黑点数超过正常值时,便判定这一行为特殊行,并赋予特殊标志位(这里将特殊行中心点标志为50,因为经过图像处理后图像变成38*20数组,标志为50能将特殊点和正常点很明显的区分开,也方便了下面的改进差值算法)。

由于规则要求小车能识别起始线,因而还需对特殊行进行分析。

图7为采到起始线的情况,可以看出起始线所在行具有多个跳变,考虑到车体偏离等情况,可以用白点跳变为黑点的次数(方案中选2或3)来判定是否为起始线,如果符合情况则标志出这一行。

则其他的特殊行均为十字交叉情况。

图7 采到起始线效果虽然在前面已经有去噪处理,但是偶尔还是会有干扰,这样提取出来的某些行黑线中心位置就发生了跳变。

同时,为了后续的控制模块得到准确的道路信息,需要对特殊行及跳变点进行插值处理,即赋予其前后两行的平均值作为黑线中心值。

但是考虑到会出现这样的复杂情况:连续两行出现跳变点或者特殊行的前后出现跳变点,这时如果简单的按上面的方法进行插值,会插入一个误差很大的中心点,使道路产生弯点。