摘  要： 介紹了智能車(chē)模型系統(tǒng)。以MC9S12XS128微控制器為核心控制單元，通過(guò)OV7620數(shù)字?jǐn)z像頭檢測(cè)賽道信息，并對(duì)所采集到的圖像進(jìn)行二值化，提取兩邊黑色引導(dǎo)線，用于路徑識(shí)別；通過(guò)光電編碼器檢測(cè)模型車(chē)的速度，使用經(jīng)典PID控制算法控制舵機(jī)的轉(zhuǎn)向和驅(qū)動(dòng)電機(jī)的轉(zhuǎn)速。
關(guān)鍵詞： OV7620；算法；路徑識(shí)別；XS128

　當(dāng)今汽車(chē)產(chǎn)業(yè)發(fā)展非常迅速，但隨之帶來(lái)的城市交通擁堵、交通事故也隨之增加。有統(tǒng)計(jì)顯示80%以上的交通擁堵和交通事故是人為原因造成的，隨著汽車(chē)飽有量越來(lái)越多如何解決這些問(wèn)題就顯得十分重要，于是智能汽車(chē)算法的概念近些年被提出作為解決上述問(wèn)題的一種方法。本文介紹了以O(shè)V7620數(shù)字?jǐn)z像頭來(lái)采集路面信息，以XS128單片機(jī)作為控制核心，進(jìn)行圖像處理、路徑識(shí)別并因此來(lái)控制電機(jī)轉(zhuǎn)速和舵機(jī)轉(zhuǎn)向的模擬自動(dòng)駕駛汽車(chē)的研究[1]。
1 系統(tǒng)概述
　自動(dòng)駕駛的智能車(chē)應(yīng)具有良好的自主道路識(shí)別能力和穩(wěn)定性，并能以較快的速度行駛以及穩(wěn)定的轉(zhuǎn)向能力。本文的自動(dòng)駕駛智能車(chē)系統(tǒng)的設(shè)計(jì)主要包括以下兩部分：（1）自動(dòng)駕駛智能車(chē)控制器的硬件電路設(shè)計(jì)，調(diào)整和改進(jìn)模擬測(cè)試車(chē)模的機(jī)械結(jié)構(gòu)，最大限度地發(fā)揮車(chē)模的機(jī)械性能。（2）結(jié)合軟件算法，使小車(chē)轉(zhuǎn)向準(zhǔn)確、穩(wěn)定，能夠安全通過(guò)各種彎道和十字交叉路口，最大限度地模擬現(xiàn)實(shí)中的道路。同時(shí)在保證可靠運(yùn)行的前提下，電路設(shè)計(jì)盡量簡(jiǎn)潔緊湊，以減輕系統(tǒng)負(fù)載，提高自動(dòng)駕駛智能車(chē)的靈活性，并以穩(wěn)定性為首要前提，實(shí)現(xiàn)車(chē)輛的快速運(yùn)行。作為能夠自動(dòng)識(shí)別道路運(yùn)行的自動(dòng)駕駛智能汽車(chē)，信息處理與控制算法至關(guān)重要，主要由運(yùn)行在XS128單片機(jī)中的控制算法來(lái)完成。因此，控制算法的設(shè)計(jì)是本文的核心部分。
測(cè)試跑道采用普通白色KT板，寬度為50 cm，KT板兩邊各有約2.5 cm的黑色膠帶。如圖1所示。

2 系統(tǒng)的硬件設(shè)計(jì)
2.1 圖像傳感
　目前以圖像傳感器作為智能車(chē)路徑識(shí)別采集系統(tǒng)，應(yīng)用比較多的圖像傳感器主要分為CCD和CMOS兩大類(lèi)。CCD攝像頭具有對(duì)比度高、動(dòng)態(tài)特性好的優(yōu)點(diǎn)，但需要工作在12 V電壓下，對(duì)于整個(gè)系統(tǒng)來(lái)說(shuō)過(guò)于耗電，并且電路設(shè)計(jì)較為復(fù)雜，成本相對(duì)較高；CMOS攝像頭體積小，耗電量小，圖像穩(wěn)定性較高，電路設(shè)計(jì)簡(jiǎn)單，工作在5 V電壓下即可，不用另作升壓電路，減少了設(shè)計(jì)難度。因此，經(jīng)過(guò)實(shí)驗(yàn)論證之后決定采用CMOS攝像頭。本文路徑識(shí)別系統(tǒng)的信號(hào)采集部分所使用的傳感器為Omni Vision公司的CMOS圖像傳感器，CMOS攝像頭又分為數(shù)字和模擬兩種，而數(shù)字?jǐn)z像頭和模擬攝像頭的區(qū)別在于模擬攝像頭在接入單片機(jī)之前需要加A/D轉(zhuǎn)換芯片，用來(lái)將模擬攝像頭采集的模擬信號(hào)轉(zhuǎn)換成能被單片機(jī)所識(shí)別的0～5 V電壓。數(shù)字?jǐn)z像頭則可以直接將信號(hào)線連接到單片機(jī)，減少了單片機(jī)對(duì)A/D轉(zhuǎn)換的編程。本文采用OV7620數(shù)字?jǐn)z像頭采集測(cè)試跑道的路徑信息，為路徑識(shí)別提供輸入信號(hào)[2]。
　數(shù)字?jǐn)z像頭OV7620可以直接輸出8路數(shù)字圖像信號(hào)，簡(jiǎn)化主板硬件電路的設(shè)計(jì)，總有效像素單元為664（水平方向）×492（垂直方向）像素；內(nèi)置10位雙通道A/D轉(zhuǎn)換器，輸出8位圖像數(shù)據(jù)；具有自動(dòng)增益和自動(dòng)白平衡控制，能進(jìn)行亮度、對(duì)比度、飽和度、Y校正等多種調(diào)節(jié)功能；其視頻時(shí)序產(chǎn)生電路可產(chǎn)生行同步、場(chǎng)同步、混合視頻同步等多種同步信號(hào)和像素時(shí)鐘等多種時(shí)序信號(hào)；工作功耗<120 mW，待機(jī)功耗<10 μW，能夠滿足本系統(tǒng)測(cè)試識(shí)別的要求。OV7620的有效像素為664×492，但實(shí)際處理時(shí)無(wú)法處理這么多的數(shù)據(jù)，同時(shí)也沒(méi)有必要處理這么多的數(shù)據(jù)。通過(guò)串口采集圖像進(jìn)行分析論證，采集40行120列作為圖像信號(hào)輸入。
　首先將圖像通過(guò)奇、偶場(chǎng)信號(hào)輸出，即隔行采集的方法得到一場(chǎng)數(shù)據(jù)，若是采奇數(shù)行稱(chēng)為奇場(chǎng)信號(hào)，若是采集偶數(shù)行則稱(chēng)為偶場(chǎng)信號(hào)。奇場(chǎng)和偶場(chǎng)所采集的圖像是一樣的，只要用奇、偶其中一場(chǎng)就可以完成系統(tǒng)識(shí)別的要求。
　一場(chǎng)圖像的行數(shù)為246行，要從中提取40行作為本文模型車(chē)路徑識(shí)別系統(tǒng)的有效處理行，一場(chǎng)圖像的前15行左右為行消隱區(qū)，16行之后為有效行。本文以17行做為圖像信號(hào)采集的第一行，由于OV7620攝像頭近處圖像看的比較清楚，遠(yuǎn)處圖像看的比較模糊，為了能夠更好地反映測(cè)試跑道的情況，采取不等間距采行法，即從間隔1行到間隔6行，形成近處采集的行數(shù)少，遠(yuǎn)處采集的行數(shù)多，最終所采集行數(shù)如表1所示。

　列數(shù)采用等距采集，采取隔4列提取一列的方式，最終通過(guò)行和列的采集得到40（行）×120（列）的圖像信號(hào)，作為本文模型車(chē)路徑識(shí)別算法的圖像輸入信號(hào)。
2.2 系統(tǒng)整體框圖
　由以上的分析確定系統(tǒng)的總體方案：采用CMOS攝像頭進(jìn)行路徑檢測(cè)，舵機(jī)實(shí)現(xiàn)車(chē)輛的轉(zhuǎn)向控制，速度閉環(huán)控制方式對(duì)車(chē)輛速度實(shí)施精確控制。系統(tǒng)的整體框圖如圖2所示。

2.3.2 重心調(diào)整
　汽車(chē)在其他要素穩(wěn)定的情況下，車(chē)體重量對(duì)于車(chē)的加減速性能有著至關(guān)重要的影響，因此本文的機(jī)械設(shè)計(jì)中，在布置自動(dòng)駕駛模型車(chē)的傳感器支架和設(shè)備時(shí)，應(yīng)該盡量減少不必要的配置，使車(chē)總重盡量減輕。車(chē)體重心高低主要影響車(chē)身運(yùn)動(dòng)中的穩(wěn)定性，對(duì)于拐彎的平滑性及穩(wěn)定性有很大的影響。在車(chē)體調(diào)整以及減輕車(chē)體總重量采用以下幾點(diǎn)：（1）將測(cè)試模型車(chē)的前后結(jié)合懸掛拆掉，僅保留前后車(chē)體連接的金屬片，并用膠體加固。這樣已經(jīng)足夠模型測(cè)試車(chē)轉(zhuǎn)向時(shí)候的平衡。（2）將車(chē)上各種設(shè)備盡量布置在車(chē)體轉(zhuǎn)動(dòng)中心上，有利于車(chē)體在拐彎時(shí)的響應(yīng)，車(chē)輛不易側(cè)翻。比如將電池移動(dòng)到車(chē)子前部，將電路板放在靠后的位置，整車(chē)的重心基本上在中間位置。（3）為了降低整車(chē)重心，本文嚴(yán)格控制攝像頭傳感器及其安裝架的重量。本文采用了小巧的OV7620攝像頭，重量輕但卻能夠滿足采集圖像的精度。設(shè)計(jì)了輕巧的鋁合金CMOS夾持組件，便于攝像頭的拆卸，并采用了碳纖維管作為安裝傳感器的主桿，這樣不僅重量輕而且剛度也能達(dá)到要求[3]。
3 系統(tǒng)電路設(shè)計(jì)
3.1 電源模塊
　本文所設(shè)計(jì)的系統(tǒng)總電源供應(yīng)來(lái)自7.2 V大容量鎳鎘電池，但是單片機(jī)最小系統(tǒng)和一些芯片都需要5 V的電源，SD卡和無(wú)線調(diào)試模塊需要3.3 V低壓，伺服電機(jī)工作電壓范圍在4 V~6 V之間，CMOS攝像頭經(jīng)過(guò)改裝應(yīng)用5 V供電，驅(qū)動(dòng)電路需要5 V的電源，直流電機(jī)需要7.2 V電池直接供電，圖5為系統(tǒng)的穩(wěn)壓模塊。

3.2 電機(jī)驅(qū)動(dòng)
　電機(jī)控制從控制方法上可以分為開(kāi)環(huán)控制和閉環(huán)控制兩種。開(kāi)環(huán)控制在用法上比較簡(jiǎn)單，只需考慮輸出，不需要反饋信號(hào)，使用比較簡(jiǎn)單，但是速度控制的精度較低，不能適應(yīng)不同的環(huán)境。另一種為閉環(huán)控制，電機(jī)的速度控制信號(hào)輸出由需要的速度和電機(jī)的實(shí)際轉(zhuǎn)速兩者決定，即需要對(duì)電機(jī)的實(shí)際轉(zhuǎn)速進(jìn)行采集和反饋。這種方法控制精度比較高，對(duì)賽道的適應(yīng)性較高。本文在電機(jī)驅(qū)動(dòng)電路和硬件反饋電路上做了多組試驗(yàn)，最終確定了一種硬件的閉環(huán)控制方案。根據(jù)電子調(diào)速器的硬件原理，采用8個(gè)mosfet搭建電機(jī)驅(qū)動(dòng)電路。電機(jī)驅(qū)動(dòng)電路并不使用全橋驅(qū)動(dòng)，而是使用半橋。這種電路結(jié)構(gòu)的好處是它可以比全橋少用一半的MOSFET，或者說(shuō)在相同體積內(nèi)可以多并聯(lián)一倍的MOSFET來(lái)提升驅(qū)動(dòng)能力。此外，驅(qū)動(dòng)電路中還有一個(gè)需要注意的地方，一般的MOSFET的開(kāi)啟電壓至少在4.5 V以上，而負(fù)責(zé)剎車(chē)的MOSFET其參考點(diǎn)與電池正極是連通的，因此其開(kāi)啟電壓至少在12 V以上。實(shí)際設(shè)計(jì)中，本文驅(qū)動(dòng)電路使用了IRL2203作為驅(qū)動(dòng)芯片，采用4并聯(lián)驅(qū)動(dòng)、4并聯(lián)剎車(chē)的形式，使用IR2103作為mosfet driver，用MC34063升壓電路，升壓至12 V為mosfet driver供電。圖6為電機(jī)驅(qū)動(dòng)電路。

3.3 速度檢測(cè)模塊
　本文自動(dòng)駕駛智能車(chē)在調(diào)試中經(jīng)常遇到速度失控的情況，例如直道速度可以很高，而彎道速度過(guò)大就會(huì)出現(xiàn)側(cè)滑，最終沖出測(cè)試跑道。各種不同的道路組合后速度時(shí)常應(yīng)對(duì)遲緩，要想改變這種情況，速度的反饋檢測(cè)就成為了速度控制的重要任務(wù)。
　目前測(cè)速的方法有很多種，如：霍爾傳感器測(cè)速、紅外反射式光電測(cè)速、測(cè)速發(fā)電機(jī)、光電傳感器測(cè)速等等。通過(guò)多次試驗(yàn)，霍爾測(cè)速法需加磁鋼而且間距不好控制，因此精度不高。測(cè)速發(fā)電機(jī)體積大、不易安裝，而且重量大，增大了電機(jī)負(fù)載，而且額外增加的ADC模塊也不適合；而光電傳感器檢測(cè)易受光源影響需加固定光源，因此也不能滿足要求；本文最終選擇了編碼器測(cè)速。
4 軟件設(shè)計(jì)
4.1 路徑識(shí)別
　目前智能車(chē)使用比較多的路徑識(shí)別方法是通過(guò)確定跑道兩邊黑線的位置，通過(guò)求均值提取中心線的方法進(jìn)行路徑識(shí)別，所得到的中心線還需要進(jìn)行曲率計(jì)算來(lái)確定是直道還是彎道。這種路徑識(shí)別算法對(duì)圖像的質(zhì)量要求比較高，增加了濾波的難度，同時(shí)編程比較復(fù)雜，數(shù)據(jù)運(yùn)算量也比較大。
本文并沒(méi)有采用中心線提取的路徑識(shí)別算法，而是采用“全白”算法，“全白”算法指的是當(dāng)所提取的圖像信息全部為白色的時(shí)候，認(rèn)為是當(dāng)前路況為直道[4]。
　首先將采樣的120列圖像分為兩部分：一部分是0～59，另一部分是60～119。將圖像分成左右兩個(gè)部分，是因?yàn)榕艿烙袃蓷l黑線分別在左右兩端，這樣分割可以保證每一部分各有一條黑線。由于單片機(jī)是逐行接收數(shù)據(jù)，為了提高整個(gè)系統(tǒng)的響應(yīng)速度，沒(méi)有必要對(duì)所采樣的40行數(shù)據(jù)都要進(jìn)行判斷，只需對(duì)其中的幾行進(jìn)行判斷即可。本文選擇判斷三行，這樣既可以減少圖像噪點(diǎn)所帶來(lái)的信號(hào)采集誤差，也可以使單片機(jī)能夠及時(shí)處理[5]。
　當(dāng)攝像頭采集到原始圖像后，本文采取“縮列”的方式來(lái)減少梯形失真對(duì)整個(gè)系統(tǒng)的影響，以0～59列為例，若當(dāng)前路況是直道，則反映到圖像上應(yīng)該是一條斜線且前端偏向圖像中心，所以只要是直道的情況下0～59列上一定有黑線。最終本文采用了“不全列”掃描法，“不全列”掃描法是在0～59、60～119這兩部分，只掃描其中的部分列，只要保證該部分列有黑線，即認(rèn)為該范圍內(nèi)有黑線。最終得出如下數(shù)據(jù)：在0～59列的左側(cè)圖像掃描27～32列，在60～119列的右側(cè)圖像掃描75～85列，而行數(shù)掃描4、5、6行。
根據(jù)得到的行、列數(shù)據(jù)進(jìn)行路徑識(shí)別。首先要先選定一個(gè)閾值，本文經(jīng)過(guò)試驗(yàn)得出在閾值=100的時(shí)候，OV7620的成像情況比較理想，能夠很好地反映測(cè)試跑道情況。
4.2 舵機(jī)算法
　彎道采用雙邊沿算法，采集到圖像中每一行的邊沿位置，并利用數(shù)組中存取兩個(gè)邊沿，進(jìn)而利用雙邊沿實(shí)現(xiàn)彎急走外道，彎緩走內(nèi)道。這樣的好處是：在彎急時(shí)，由于車(chē)轉(zhuǎn)角比較大，車(chē)在大多數(shù)情況下會(huì)貼著內(nèi)道走，車(chē)輛行走的路徑的半徑比較小，一則轉(zhuǎn)彎的阻力非常大，二則程序中彎道減速非常大，這兩者的綜合結(jié)果是，車(chē)轉(zhuǎn)彎時(shí)車(chē)速非常慢，采用走外道的方法可以減弱這種狀況帶來(lái)的影響。在彎緩時(shí)，由于這時(shí)車(chē)速比較快，車(chē)的轉(zhuǎn)角大，車(chē)的轉(zhuǎn)彎阻力也不大，轉(zhuǎn)向等狀況比較好，可以走內(nèi)道減少行車(chē)路徑的長(zhǎng)度節(jié)約時(shí)間。
本文方向采用PID控制，由于積分項(xiàng)會(huì)引起滯后，而舵機(jī)轉(zhuǎn)向?qū)?dòng)態(tài)響應(yīng)性能要求較高，合適的調(diào)節(jié)比例項(xiàng)也能夠很好地保證智能車(chē)行駛的穩(wěn)定性，故將積分系數(shù)IK置0。而由于攝像頭前瞻較遠(yuǎn)，不需要通過(guò)微分項(xiàng)來(lái)提高動(dòng)態(tài)響應(yīng)能力，加上微分項(xiàng)易受干擾，故將微分系數(shù)DK置0。轉(zhuǎn)向控制只使用比例項(xiàng)進(jìn)行控制。將比例系數(shù)PK按智能車(chē)速度大小進(jìn)行分段，速度小時(shí)使用小的比例系數(shù)，高速時(shí)使用大的比例系數(shù)，這樣在速度較低時(shí)能保證智能車(chē)不切彎過(guò)度，速度快時(shí)能提高響應(yīng)速度[6]。
4.3 控制策略與算法
　本文采用增量式PID算法用來(lái)控制步進(jìn)電機(jī)（對(duì)直流電機(jī)也可以采用），其實(shí)如果對(duì)控制有更高的要求或者干擾因素較多，也可以對(duì)PID算法做各種改進(jìn)，比如用梯形法做數(shù)值積分以提高精度，將差分改成一階數(shù)字濾波等。本文在實(shí)際調(diào)試的過(guò)程中，遇到過(guò)由于編碼器采樣得到的脈沖上升下降沿不夠陡峭，使得速度采樣出現(xiàn)不穩(wěn)定和失真，但由于這些附加處理比較耗費(fèi)代碼的運(yùn)行時(shí)間，出于代碼效率和實(shí)際效果的比較，因此本文沒(méi)有采用這些改進(jìn)的方案[7]。
　本文介紹了基于OV7620攝像頭尋跡的智能車(chē)算法的研究。該系統(tǒng)以Freescale 16位單片機(jī)MC9S12XS128作為系統(tǒng)控制處理器，采用基于攝像頭的圖像采樣獲取賽道圖像信息，通過(guò)邊沿檢測(cè)方法提取賽道黑線，采用增量式PID控制算法，通過(guò)速度傳感器對(duì)小車(chē)形成速度閉環(huán)的控制。在硬件方面包括了電源分模塊供電和驅(qū)動(dòng)電路等部分，軟件方面包括“全白”算法、“不全列”算法等，為無(wú)人駕駛汽車(chē)提出了一種新的思路。
參考文獻(xiàn)
[1] 程亞龍.基于CMOS傳感器的智能車(chē)路徑識(shí)別研究[J].機(jī)械制造與研究，2007，36（5）13-15.
[2] Freescale Sem iconductor， Inc. MC9S12DG128 Device User Guide[M]. 2007.
[3] SHOJI M. CMOS Digital Circuit Technology Prentic Hal1[Z].1988.
[4] 譚浩強(qiáng).C語(yǔ)言程序設(shè)計(jì)[M].北京：清華大學(xué)出版社（第2版）[M].2003 1-120.
[5] 夏良正.數(shù)字圖像處理[M].南京：東南大學(xué)出版社，1999.
[6] 李紹民.圖像傳感器OV7620在自主足球機(jī)器人中的應(yīng)用[J]．國(guó)外電子元器件，2004（10）：11-14.
[7] OmniVision Technologies， Inc．OV7620/OV7120 Specification[Z]. 2001.