智能汽车路径识别中的图象处理算法
李 继 李晋尧 杨 明 孔士嘉
（北京印刷学院 信息与机电工程学院 北京 102600）
摘 要： 分析全国大学生智能汽车竞赛中智能汽车路径识别中的图象处理算法，重点介绍智能车车牌识别的控制算法。
智能汽车通过OV7620数字摄像头对路面信息进行采集和处理，依次实现自动识别十字路口上的红绿灯、自动检测前方车距、自动识别车牌等功能，并以一个较高的稳定速度运行在规定的道路上。
关键词： 智能车；车牌识别；图象处理
中图分类号：TP391.4 文献标识码：A 文章编号：1671－7597（2011）1010184－02
1 绪论
到），D_out 是D 调节器的输出。
因此，输出了相应的弧度角，小车方向控制的功能也就实现了。
随着21世纪经济全球化和信息化的加剧，计算机通信技术和计算机网 3 智能车自动识别十字路口的红绿灯
络技术等的迅猛发展，自动化信息处理能力和水平的不断提高并在人们社会活动和生活的各个领域得到广泛应用，高速度、高效率的生活节奏使汽智能车利用CMOS 摄像头识别十字路口的红绿灯，当小车驶至十字路口车普及成为必然趋势。
前，摄像头采集前方图像的灰度，当那个采集到某个区域的灰度值范围在伴随着世界各国汽车数量的增加，城市交通状况日益受到人们的重240-255时，则说明前方交通指示灯为红灯，小车在十字路口白线前停视。
如何有效地进行交通管理，越来越成为各国政府及相关部门所关注的车，若没有采集到灰度值240-255范围时，认为前方交通指示灯指示为绿焦点。
针对这一问题，人们运用先进的信息处理、导航定位、无线通信、灯，小车匀速驶过十字路口。
当红灯变成绿灯时，小车检测到前方没有自动控制、图像处理和识别及计算机网络等科学技术，相继研发了各种交240-255的灰度值，则小车启动，驶过十字路口。
通道路监视管理系统、车辆控制系统及公共交通系统。
这种智能交通系统 4 智能车车牌识别的控制实现
能够加强道路、车辆、驾驶员和管理人员的联系，实现道路交通管理自动车牌识别最基本的流程是：将采集后的图像二值化，然后依次经过车化和车辆行驶的智能化，增强交通安全，减少交通堵塞，提高运输效率，牌定位、字符分割、去除干扰，最后是字符识别。
减少环境污染，节约能源，提高经济活力。
4.1 二值化
本文设计的系统，就是在智能汽车以及飞思卡尔16位嵌入式处理器二值化是车牌识别的第一步。
二值化前后的对比如下图2所示：
S12X 单片机的基础上，对模拟驾驶进行创新设计，以期应用到实际的交通驾驶中。
2 智能车基于CMOS摄像头的路径识别和方向控制
智能车采用CMOS 图像传感器用于检测黑色跑道上两边的白线，扩展了检测范围，有助于选择正确的行进路线。
在检测中，对图像中的前十行的像素进行分析，找出两条白线的中点，通过反复的实验，智能小车能够以一个较高的速度稳定地运行在给定的跑道上。
2.1 路线的识别和确定
路线识别和确定是智能车可以前行的前提。
通过对摄像头所采集的图像进行二值化，然后对前十行的像素进行分析，由每行中两个白点的坐标来确定中心的坐标，从而得出十个中心坐标，将十个中心坐标连接起来，图2 二值化前后对比图
就是小车需要走的路径。
图1所示为摄像头对跑道图像二值化的结果。
在车牌识别中，通过图像的二值变化将车牌与背景分割开来，要求转化的图像必须具有良好的保形性，不丢掉有用的形状信息，不产生额外的空缺等，其关键在于确定合适的阀值。
4.2 车牌定位
车牌定位是车牌识别的一个关键步骤，定位的准确与否直接影响着车牌识别的准确率。
在车牌定位算法中，关键是寻找图像处理方法，使原始图像经图1 跑道的图像二值化结果
2.2 方向控制
智能汽车方向控制的核心是舵机控制，其输入信号是PWM 脉冲，并输出相应的弧度角。
本文采用的S12单片机PWM 输出信号端口作为舵机的输入信号。
为了使检测时更加稳定，本文采用了PID 控制器，由于无需考虑已经走过的轨道，所以本文只用比例微分调节器模块，下面公式显示了D 调节器的控制算法：
在enew
，eold 定义了这一次和下一次的角度的计算，t 是CMOS 摄像头扫描时间，微分系数Kd 被强制规定运行在0.5到1.5
（通过多次试验得
过该算法的处理后能够清楚地显示出车牌区域，同时使图像中的非车牌区域消失或者减弱，从而能准确有效地定位出车牌在图像中的位置。
车牌识别过程中，我们采用角点定位的方法，在所有的边界点中，选择某些曲率半径比较小的点，如图3所示（角点用红点表示）。
图3 二值化后角点定位图
图中字符上和车牌的四角都有角点，但是这并不影响车牌的定位。
根图5将超声波传感器装在智能小车车头，其工作原理是给予此超声波据距离最大的四个角点，得到了车牌的四个角，从而定位了车牌。
从角点测距模块信号后发射超声波，当超声波投射到前方小车车尾而反射回来定位的原理看出，如果经过旋转后车牌并不会影响角点定位的成功率和速时，模块输出一响应信号，以触发信号和响应信号间的时间差，来判断两度。
车之间的距离。
4.3 字符分割
当车子行驶时，给后车提供一个短期的10us 脉冲触发信号。
该模块内确定了车牌位置后就要对车牌进行提取，对图像目标位置标记，然后部将发出8个40kHz 周期电平并检测回波。
一旦检测到有回波信号，则输出利用原始图像进行车牌位置提取。
提取之后就要进行车牌字符的分割提响应信号，响应信号是一个与脉冲宽度成正比的距离对象，可通过发射信取，车牌字符的正确分割是进行下一步车牌字符识别的基础。
我们采用的号到收到响应信号的时间间隔计算距离。
公式：us/58=厘米。
如图6所是字符分割法：对于一个数字或者字母，前景的点是连续的，用填充算法示：
对种子点填充即可得到整个字符。
当然汉字就不是了，所以这种分割算法仅仅适合数字或者字母。
但是当整个车牌的数字和字母都得到之后，剩下的那个必定是汉字。
4.4 字符识别
字符识别是车牌识别系统的最后一个处理过程，也是车牌识别的关键点，对字符识别的研究也是车牌识别研究的重点。
因为车牌字体是印刷字体，对于印刷字符识别，一般的思路是和模板比对。
这样做最大的好处在于编程方便。
但是有两个坏处，第一速度较慢，第二识别率不高。
在字符特点中，用编程语言逐一描述字符的特点，可以很好的提高在恶劣环境下的字符识别率，从而提高车牌识别的质量。
4.5 车牌显示
通过以上各步骤以后，采集到的图像经过S12单片机系统板将反馈到液晶屏上显示，从而识别车牌。
如图4所示：
图6 超声波模块时序图
6 结论
本设计充分利用了飞思卡尔公司产品选择多样，功能完善，适应性强的多款芯片。
其中采用MC9S12XS128采集和处理视频信号，完成自动识别检测等功能；通过LQ-7960M 进行电机驱动，实现智能汽车自动加减速控制；通过OV7620数字摄像头对路面信息进行采集和处理，实现了小车的寻线行驶。
图4 车牌识别
简便、安全、高效是我们设计智能汽车的创新理念，我们将遵循这个5 智能车自动检测前方车距
理念，进一步设计出更加人性化的驾驶创新技能，解决许多目前交通驾驶中亟须解决的问题，从而提高交通系统的使用效率和安全性。
参考文献：
[1]卓晴、黄开胜、邵贝贝，学做智能车——挑战“飞思卡尔”杯，北京航空航天大学出版社，2007年3月，第1版.
[2]孙同景、陈桂友，Freescale 9S12十六位单片机原理及嵌入式开发技术，机械工业出版社，2010年2月，第1版.
[3]邵贝贝，单片机嵌入式应用的在线开发方法，北京：清华大学出版社，2004年10月，第1版.
[4]谢强德，第四届全国大学生“飞思卡尔”杯智能汽车竞赛创意组上海
交大CyberSmart 队技术报告[R].上海：上海交通大学，2009.
图5 超声波传感器
[5]刘金琨，先进的PID 控制，电子工业出版社，2007年5月，第1次版
.
当节点需要把采集的温度数据发送给汇聚节点时，首先要把需要发送监控室。
的数据通过SPI 接口写入CC2420的TXFIFO 寄存器，然后发送选通寄存器参考文献：
STXON 或STXONCCA 的命令，使其在信道空闲时把数据通过无线信道发送出[1]韩旭东、曹建海，基于IEEE 802.15.4无线智能化传感器网络研究及其去。
当CC2420接收到外部传来的数据时，会首先把数据存入到接收缓存区性能分析[J].电工技术，2004（9）.
RXFIFO 之中，此时CC2420会自动改变FIFO 和FIFOP 两个引脚的状态，处理[2]杨赓，Zigbee 无线传感器网络的研究与实现[D].浙江：浙江大学，器通过判断FIFOP 的引脚状态，会自动读取RXFIFO 寄存器中的整个数据2006.
包。
[3]王吉富、马建仓、卢崇，基于单片机控制射频芯片CC2420无线通信的4 结束语
实现[J].电子测量技术，2007，30（5）：88-109.
将传感器网络技术应用于井下环境参数采集监测，大大提高了监测系[4]陈玉兰、聂军，面向无线传感器网络的CC2420接口设计[J].电子工程统的灵活性。
本文设计的无线传感网络节点能够采集，处理环境数据。
如师，2005，31（12）：36-38.
果和主巷道内的光纤结合应用，可实方便的把现井下环境信息上传至地面
（上接第146页）。
