基于摄像头的道路识别及赛车控制算法杨运海周祺吕梁摘要：本文探讨了摄像头在智能车道路识别中的应用，并提出了一种通用的控制算法。
在准确采集图像的基础上，利用临近搜索法对有效道路信息进行快速提取，通过分析赛道信息，计算出赛道黑线的走向趋势及赛车当前位置。
在充分考虑当前和过去的赛道信息的基础上，对赛道类型进行判断及分类。
在综合考虑赛道类型，黑线走向及车当前位置，对舵机的转向和电机的速度进行精确控制。
关键词：图像采集；临近搜索；转向控制，速度控制1．概述在飞思卡尔智能车汽车比赛中，路径识别方法主要有两大类，一类是基于红外光电传感器，令一类是基于摄像头。
通常，红外光电传感器安装灵活，原理简单，可靠性好，不易受环境光干扰，因而得到了广泛应用，但其对前方道路的预判距离非常有限，不适宜赛车高速行驶。
另一类是基于摄像头，与光电传感器相比，其优点非常明显，能提前获取大量前方道路信息，有利于实现赛车的最优控制。
但其缺点是图像采集要求有高的AD转换频率，图像处理算法复杂度高，且容易受环境光的干扰。
考虑到摄像头的优点远大于其缺点，因此选择了摄像头。
以下是摄像头的工作流程图：图B-1 摄像头工作流程摄像头控制赛车行驶方案有三大模块：图像采集、赛道信息提取、转向和速度控制。
2．图像采集考虑到S12的运算能力，我们采用了黑白制式、320*240的CMOS单板摄像头。
摄像头出来的是模拟信号，每秒有50场图像，场之间有场消隐信号，行之间有行消隐信号，经过lm1881分离后，可得到场同步信号和行同步信号，作为行中断信号。
由于行中断中要采集该行的信号，对时间要求很严格，其中断优先级应比普通中断的优先级高，因此我们选择IRQ作为行同步信号输入口，PT0作为场信号输入口。
此外，为保证图像不丢失，我们仅对场信号的下降沿进行捕捉。
图B-2 摄像头视频信号按照目前车的刹车时的加速度，我们选定图像拍摄最远处为前方1米就足以对速度做出了控制。
考虑到前轮到前方20cm为摄像头的盲区，故有效拍摄范围为0.8m，为了保证不丢失起跑线，每2.5cm至少拍摄一行，故一幅图像至少采集32行。
为了稳妥起见，我们选择了ROW=45行。
摄像头最前方拍摄的宽度为80cm，而黑线宽度为2.5cm，故一行至少采集32，为了稳妥起见，一行采集的点数定为COL=45个点。
正常情况下，S12的AD频率不能超过2M，转化一个点需要14个周期，如果不超频，一行将只能采集8个点（24M主频时）。
将分频系数设为0，此时AD 频率为12M。
在行采集过程中，我们通过查询方式来判断AD是否转换完成，并对AD转换时间进行了记录，发现记录到的时间恰是期间指令执行一次的时间，这表明，影响一行采集的点数已不是AD的频率，而是执行指令的时间，因此采集过程中不需要查询A TDSTA T0的标志位，只需要通过执行一定数量的NOP空操作指令延时即可。
例如采集47个点需要时，每个点的时间间隔是53us/47=1.125us，对应的指令周期数为1.125*24=27。
通过反编译知读写等指令本身有13个指令周期，故令加14个NOP指令即可实现。
由于摄像头的角度关系，拍摄是不均匀的，而是前方疏，近处密。
为了保证采集的均匀，采集的行之间间隔的行数就不能相同。
摄像头的有效行数为285行左右，具体关系如下表：行采集计数器line 摄像头行计数器row 备注0 0 每3行采集一行1 32 63 94 125 156 18 每4行采集一行7 228 269 3010 3411 3812 42 每5行采集一行………… ……n i*(3*i+15)+(i+3)*(n%6) 其中i=n/6每i+3行采集一行 图像采样基本思路是行中断服务程序开启行中断，在行中断中对每行的采集作计数，当达到预定的行数时表示一幅图像采集完，此时关闭行中断，置位图像缓冲区已满标志，并对各个技术器进行清零，以准备下一幅图像的采集。
具体流程如下图 图B-3 场中断流程图当黑线位于中心时，将采集到的数据通过串口发送至PC 并利用MA TLAB 还原，对应部分波形如下图，其中，星号表示一行的结束。
与示波器的波形对比，采集效果非常好。
图B-4 行中断服务程序流程图图B-5 采集到的数据（*号与*号之间表示一行）当车位于起跑线时，拍摄效果如图4所示。
图B-6 46行*47列时起跑线拍摄效果3．黑线提取考虑到赛道黑线是连续的一条线，我们采用邻近搜索法将有效黑线段搜索出来，以便对速度和转向进行控制。
该算法的最大优点是不易受干扰，只要黑线是连续的就能正确的提取出来。
此外其算法复杂度非常低，因为只对有效黑线及其附近的点进行识别，提取一幅图像黑线最大时间（全部有效时）为1.7ms，而采集一幅图像需20ms，除了1/6时间用来采集数据之外，还剩16ms 的时间，足以用来提取黑线及控制舵机和电机了。
本算法搜索方向是从底部到前方（即由近及远），其关键之处在底部第一个黑线中心的提取。
考虑到稳定性，底部第一个黑点的搜索以相邻3行作为考察对象，并从第二列开始，到倒数第二列，通过比较，找出其最小值，若最小值满足黑线对应的AD值，则第一个黑线的中心搜索完毕，否则重复上述步骤，直到搜索到黑线或图像的第一行。
找到底部第一个黑线中心后，接下来就是在该点的左右共7个点的范围内进行搜索，找出其中的最小值，并一该点作为新的黑线中心，然后重复搜索下去，直到发现所得最小值大于某个值（如50，这意味着最黑的点已不是黑点，即黑线结束），或者黑线的中心已到图像边沿（此也意味着黑线将要结束）。
在此过程中，将所得到的黑线中心坐标保存到path数组中，至此图像有效信息已全部提取出来了,详细提取流程图如图5.8所示：图B-7 黑线提取流程图原先没有采用三行每列相加，搜索示意图5.9所示，那么如果图像采集出现小问题，连续的黑线在某处断开，那么黑线搜索在该处就停止了，导致有上段黑线信息丢失。
为了防止这种情况，我们想到了，在黑线提取之前对图像进行滤波处理，三行每列相加求平均，思想等同于中值滤波。
但是如果这样，也就意味着要对图像处理两遍，效率太低了。
这样我们想到，不妨在对图像滤波处理的同时也对黑线进行提取，那么就有了现在的提取算法，示意图如图5.10。
图B-8 一行一行搜索的弊端图B-9 三行每列相加搜索的优点实践表明，该算法适应性强，不受外界干扰，做到了人眼能识别出来的黑线都能被它识别出来。
外界干扰主要有环境光，赛道污点，赛道交叉（包括非十字交叉），阴影，附近有其它赛道，接缝等等。
最糟糕的是，赛道背景也是黑的，但只要黑线比背景黑依然可以识别出来。
4．视觉调整摄像头由于视觉的缘故，所能拍摄的区域不是长方形，而是一个等腰梯形。
最前方拍摄的范围较宽（75cm ），最后方拍摄的范围则较窄（37cm ），其关系近似为2倍的现行比例关系。
如果拍出来的图像没有进行调整放大，则会造成图像失真，以致可能对弯道误判为直线。
故进行放大调整非常有必要，放大比例关系具体为第一行放大2倍，最后一行放大1倍，其余根据线性关系确定放大系数。
假设path[0..ROW]是各行黑线与图像中心的偏差，则第i 行的偏差应调整为][_2][i buffer path ROWi ROW i path −= ……公式B-1 调整后，path [0..ROW]真实体现出了道路的变化及趋势，为接下来对赛道类型的判断及转向、速度的控制奠定了基础。
对于0.8m 圆弧，调整前后对比效果如下图：图B-10 调整前和调整后的图图B-11 真实的图5．赛车转向控制5.1 赛车方向偏差计算（delta）赛车方向偏差可定义为delta=k1*(path[head]-path [tail])，其中k1为像素与长度单位的转换系数。
当赛车进入弯道，如图6.1所示，那么delta很好的反映了弯道的曲率，即弯道越急，delta就越大。
图B-12 方向偏差delta5.2 赛车位置偏差计算（offset）前面提到的方向偏差，反映了道路情况，反映道路的方向。
另外我们采用CCD图像最底部tail的黑线位置距离中心位置的大小，来反映当前赛车的位置偏差，如图6.2所示。
图B-13 位置偏差offset5.3 转弯半径计算（R ）正常情况下，车是沿着黑线前进的，这也就是说，车的前进方向是与黑线相切的。
故任意时刻，车与黑线切点对应的转弯半径与车前进方向垂直。
如图5.10所示，由直角三角形的比例关系可得转弯半径近似为：deltah delta R 222+= ……公式B-2图B-14 转弯半径计算示意图其中delta 为有效黑线水平偏差，即上一节所提到的赛车偏差；h 为纵向偏差，即h=k2*(tail-head)。
这里k2为像素与长度单位的转换系数。
5.4 角度计算得到R 后，便可求得该点的曲率2221h delta delta R curve +==。
经验表明，直接用斜率hdelta k =也能很好地表征出赛道的弯曲程度，效果与用参数Curve 几乎一致，而对于S12单片机来说，计算斜率k 要比计算Curve 容易多。
下表是智能车在不同赛道类型时对应的斜率k 的值：图B-15 弯道类型 位置序列 ① ② ③ ④ ⑤ ⑥ 斜率k 0.2 0.9 1.5 2.0 1.0 0.2从上表可知，直线部分或小S 弯部分，斜率k 绝对值不超过0.2，进入转弯时，k 大小在0.2到1.0，处于转弯时，k 大小在1.0到2.0之间。
由于计算斜率k 时，考虑的是整幅图像，故斜率k 直接反映了当前转弯的整体紧急程度，在转向控制中可作为控制的输入量，而角度angle 则作为控制的输出量。
采用P 控制时，具体关系可如下定义：hdelta Kp angle *= ……公式B-3 考虑到斜率k 或方向偏差delta 仅仅反映了道路的趋势，却忽略了车与黑线的当前偏差offset ，我们重新对角度控制进行矫正，加上最近一行tail 的位置偏差offset ，那么公式就变成了：offset K hdelta K angle *2*1+= ……公式B-4 这里k1,k2为待定参数，k1越大，提前转弯量越大，走内线越明显。
而k2越大，则对当前量的看得越重，车沿着黑线跑越明显，走内线程度则相应被削减。
综合考虑了CCD 的拍摄范围及采集的行列数，我们取k1=20,k2=2/3。
这样实现了直线不抖，转弯走内线，S 弯与直线一样直接过。
赛车经过直线，delta=0或非常小，那么offset将发挥作用，控制赛车贴着黑线行驶，如图图B-16 直线段控制赛车经过弯道，delta和offset共同发挥作用，关键在于参数k1和k2的大小，这两个参数只能通过不断的调试获得，前面已经提到了，k1决定转弯大小，k2抑制或促进转弯，为的是将赛车尽量拉回黑线。
