基于图像捕捉技术的智能车辆实时控制系统设计与研究

董竹林

（山西交通职业技术学院，山西 太原 030031）

1 引言

随着生产技术和自动化的发展，传统的制造业生产方式发生了深刻的变化。智能产品的设计已经成为产品开发的主要内容，也是商家产品开发的目标之一，也是研究的热点之一[1]。自动驾驶技术作为智能车辆辆研究的前沿探索，正成为现代智能车辆研究中最具挑战性和吸引力的研究课题之一[2][3]。随着自动控制、模式识别和传感器技术在车辆电子、电气、机械等领域的应用，智能车辆控制系统是典型的高科技综合体，可广泛应用于工厂自动化、定点货车等领域，具有良好的应用前景[4]。它也可以应用在复杂、恶劣的工作环境中，并作为物流系统环节的搬运设备[5]。

智能车辆在控制过程中，需要自动调整其角度和速度，并沿着任何给定的路线前进。本文所提出的智能车辆视觉控制系统采用低功耗CMOS OV6620数码相机，配以飞思卡尔高性能16位微控制器MC9S 12XS128作为主控CPU。将非线性PD控制算法应用于转向控制控制中，实现了角度的实时控制。根据转向角控制直流电机转速（车速）与角度成反比，通过照片电编码器名叫 yz30d4s-2-na-200实现实时的车辆速度控制，使用继电器式控制控制算法来限制车辆速度、非线性P控制算法来控制车辆速度，从而实现闭环控制，使车辆实现智能“驾驶”。

2 系统硬件结构设计

2.1 总体设计

智能车辆视觉控制系统以飞思卡尔高性能16位MC9S12 XS128为核心控制器，主要包括电源管理模块、图像采集模块、速度采集模块、电机驱动模块、控制驱动模块及调试模块。调试模块，通过RS232串行接口与PC机通信，采用BDM调试模式进行直接在线测试，大大提高了开发效率该系统结构如图1所示。

2.2 视觉系统

我们将相机可以隐层至主灯内，或者布置于前挡风玻璃内部，其固定在铝合金装甲组件上，采用碳纤维管作为支撑，从而使相机装置具有较高的定位精度和刚性[3]。另外，根据相机的扫描原理，将相机从左上至右下旋转180度。因此，单片机可以更早地捕捉到最近的道路图像，进行及时的处理和响应。

视觉控制系统由OV6620和MC9S12XS128组成。考虑到MC9S 12XS128读取速度慢于OV6620的输出速度，我们采用高速、低功耗、异步FIFO双端口SRAM IDT7008进行数据缓存来优化系统。该系统结构简单，成本低，通用性强，易于移植到各种类型的系统中。MC9S12XS 128可以升级到40mhz，可以达到通常只有32位控制器才能达到的性能水平。Ilt可以完全满足图像采集和处理、电机、转向实时控制的要求的PAL标准，每秒25帧，每帧2个字段，每秒50个字段，即每秒生成一幅图像，356 x 292像素，具有高灵敏度、高集成度和比CCD更大的功耗降低。与单片机共用5V电压电源。在使用单片机进行数据传输时，无需A/D转换器和视频同步分隔芯片 LM1881，就可以得到现场同步中断信号。为了满足系统需求，芯片应用LM2940和LM7806得到稳定的电压5 V和6 V，一方面，进一步减少电阻的影响，另一方面，减少电机的过流保护电路，并影响启动和刹车。

2.3 速度采集及控制模块

为了实现精确的闭环速度控制，智能车辆安装了 yz30 d4d-2na-200旋转光电编码器，实时得到速度反馈[4]。光电编码器固定在专门设计的铝合金框架内，并与差动齿轮啮合。该智能车辆包含电机驱动齿轮和光电编码器齿轮。一般情况下，齿轮啮合不当会大大增加电机的负载，严重影响电机的转速。齿轮啮合的调整原则是齿轮轴必须保持平行；齿轮间隙应适当，过大的间隙可能导致齿轮断裂，过窄的间隙可能增加传动阻力；传动部分不能有迟滞或周期性振动。

3 智能车辆实时控制策略

3.1 基本控制算法

根据实际情况，车辆由于需要有自我判断能力，所以不必严格沿所设的路线行走。因此，转向控制采用PD控制算法，消除了积分饱和元素。为了使车辆运行更平稳，系统需要慢调整，甚至在小偏差上不调整，快速调整的同时满足电动机避免产生大的偏差。要求偏差比例系数 Kp和导数系数Kp为变量，即一个非线性过程，快速响应请求。

图2 程序流程图

但另一方面，车辆有时需要进行加速前进，以确保车辆不超过规定的速度迅速进入所设的路线（类似实际运行中的超车）。因此，需要根据偏差实时调整车速。考虑到电机转速变化较快，电流较大，加速和制动频繁，不仅使驱动芯片启动热保护，甚至会烧坏电机。同时，为了使车辆在整个驾驶过程中变速稳定，需要确保电动机速度是一个循序渐进的过程，系统需要缓慢的调整，即使没有调整小偏差，调整速度快，同时满足能够调整在弯道或者超车时产生的很大偏差，防止跟踪响应速度慢。本文设计的车辆采用非线性PD控制算法对车速进行调节。系统软件流程图如图2所示。

3.2 道路图像的提取算法

为了显示捕捉道路图像的黑白效果，将采集到的图像灰度数据进行二值化得到二值图像。为了获得准确的道路信息，需要选择合适的阈值。当光线强时，选择大阈值。当光线较弱时，选择小阈值。二值图像中，前10行采用边缘提取方法，下一行采用跟踪边缘提取方法。使用前10行的位置。定位在第11行位置，然后搜索该区域的黑线，类推，根据前一条线确定后一条线。当没有找到黑线的位置时，保持前一行的位置为当前黑线的位置，并扩展下一行的搜索区域。如果不搜索连续三条黑线，则认为这条线丢失了，退出搜索。这样可以去除干扰，还可以大大提高算法的效率。然后对搜索到的黑线进行中值滤波和幅值限制滤波。该算法在光干扰较大的环境下具有较强的适应性。

3.3 非线性PD转向控制

为了充分利用相机的优势，减少干扰。得到转向控制C[3]这个公式：

K1和K2是加权系数。KP1和KD为转向比例系数和派生系数。

采用该控制策略可以实现对车辆实时位置的加权控制，提高曲线速度，减少决策累积误差，并且道路识别信息更加丰富，大大降低了车辆的跑偏机率。此外，预测与近距离的双重组合可提前转弯。

3.4 非线性速度控制

由于硬件上的速度传感器，可以得到当前车辆的速度G，然后形成闭环控制。采用非线性PD控制，能及时、快速、稳定地将速度调节到预设值。根据不同的轨迹，利用摄像头检测当前位置偏差动态调整小车预期速度 E，从而实现智能车辆的自动调速。为提高速度，在直道设置最高目标速度D，当从直道到弯道时，车辆应该相应减速，以防止意外发生；行驶到弯道时，当前位置误差变小，车速增大；当驶出时，车辆立即加速并提高稳定性，以提高整个速度。为了不使速度超速，设定了加权系数（K）；介绍了调整车速响应，实现闭环控制的非线性P控制。车辆速度F的公式为：

KP2是速度系数。引入了调节系数K4，E = D-C/ K4。

4 结论

综上所述，本文设计了一种基于图像捕捉技术的智能车辆实时控制系统，实现了由OV6620和MC9S12XS 128组成的视觉控制系统。再加上边缘提取算法和跟踪算法，可以有效地从道路中提取中心线。该组合具有一定的抗干扰能力和对环境的适应能力。在此基础上，只需添加一定的控制算法即可实现车辆视觉控制系统的转向和速度控制。视觉控制系统简单、可靠。减少了外围处理电路，不需要A/D转换电路和视频同步分隔电路。该系统大大缩短了图像采集和处理时间，使车辆能够按照任意给定的路线平稳行驶。当然，本系统运行平稳可靠、价格低廉、结构简单、模块化、抗干扰能力强、动态性能好，是未来智能车辆和自动驾驶的前景方向。