基于视觉检测与定位的智能车导航系统

雷杨，赵玉荣，王亓剑，张自强

（安徽新华学院电子通信工程学院，安徽合肥，230088）

0 引言

导航系统对自动驾驶的重要性日益凸显，车辆导航系统不仅可以确定车辆的最优路径，而且可以实时监测车辆的速度和加速度。该智能车导航系统使用视觉导航图像传感器获取路径信息，再传输到处理器中进行处理，对信息图像进行二值化，根据小车与目标的位置，求得相对位置的偏移角度，并传送给车体。车体再将接收到的图像信息与陀螺仪获取的数据相结合，控制转向；速度传感器获取实时速度，采用增量式PID实现对电机的闭环控制，最终实现一套自主路径规划导航控制系统[1]。

1 系统设计方案

整个系统主要由图像采集平台和智能车平台两个部分组成。图像采集平台主要实现摄像头数据的采集、处理和无线传输系统，智能车平台主要有K60单片机最小系统、避障模块、电机驱动模块、无线传输模块、陀螺仪模块等组成。总体设计结构框如图1所示。

图1 系统设计方案

2 系统硬件设计

2.1 图像采集处理器

图像采集主控芯片采用STM32F767。其体积小，性能稳定，具有ARM32位Cortex-M7高性能CPU，工作频率高达216MHZ，内嵌1024KB的高速FLASH闪存程序存储容量。具有睡眠、待机和关机三种模式使其具备较低的功耗；芯片有2个数模转换器，多达132个快速I/O端口且所有端口均支持5V信号，同时具备两个支持SMBus/PMBus的I2C接口、8个USART接口、6个18M位/秒的SPI接口、CAN接口和MicroUSB接口。核心板内部资源丰富，各模块相对独立[2]。将摄像头采集来的图像数据，通过NRF24L01无线传感模块传输给地面的智能车。

2.2 红外摄像头MT9V032

图像采集对小车导航避障系统工作的稳定性和高效性起着重要的影响。设计过程中综合对比后采用了红外广角摄像头MT9V032。MT9V032具有感光面积大、高动态性能、自动曝光、帧率可调等诸多优点。

红外摄像头主要通过检测智能车车身前后安装的两个大小不同的红外圆形标记点来确定小车的坐标和车身角度信息。为此摄像头加装了850nm红外窄带滤光片，既能够减少自然光的干扰减小误判，又能更正广角镜头产生的畸变，保证图像画面的清晰度。摄像头排除其他光线的干扰只采集信标发射出的红光与红外光，增强了摄像头识别系统的抗干扰性和鲁棒性。

2.3 智能车核心处理器

MK60FX512VLQ15是智能车的主控芯片，该芯片是王者系列K60FX核心板，内核为ARM-CORTEX-M4，主频150MHz，1M的FLASH，128K的SRAM，内置高分辨率的高速16位模拟转换器ADC和2个12位数模转换器DAC。16个DMA通道，用于外设和寄存器，实现数据的快速吞吐。此外MK60FX512VLQ15还具有丰富的模拟外设，包括3个SPI模块，2个I2C，UART，CAN总线，USB接口等。

智能车平台主要由主控制器和驱动电路组成。主板具有信号采集、处理和电机控制单元。同时，为了减少电机驱动电路的干扰，将控制部分和电机驱动分开。车身整体硬件包括超声波红外测距模块、角度传感器、速度传感器、NRF24L01无线通信模块等。通过测距传感器对车体周围信息进行检测，获取路况中障碍物的距离信息，确保避障系统的稳定运行，车身头部和尾部还配备了两块圆形红外LED灯盘，一大一小供红外摄像头检测，通过测算两红外的坐标并进行大小比较和两坐标的斜角计算，就能确定车模的整体位置和角度信息，最终在各个模块的配合下实现了一套能够识别信标位置自主路径规划，并且可以实时输出车体状态的智能车导航控制系统。

3 系统软件设计

智能车导航系统设计主要分图像识别系统和智能车控制系统，首先智能车先通过摄像头采集路面信息进行坐标计算，图像采集时可能会出现边缘杂点、边缘线，远景图像模糊、变形等问题，造成图片信息不真实，这就需要利用Matlab来校正图像，图像校正后在确定采集到三个发光源后，计算出偏移角，再将采集分析后的数据发送给智能车。智能车控制系统根据接收到的数据后执行相应的操作，例如前后车灯的亮灭控制、舵机打角计算及电机的正反转。系统整体软件设计流程如图2所示。

图2 整体设计流程图

3.1 图像采集与校正

摄像头在拍摄图像时，由于镜头的特点（凸透镜会聚光、凹透镜发散光），其成像过程是对真实镜像的一种透视失真，智能车采用的是170°广角摄像头，图像产生的桶形失真相对严重，沿着镜头半径方向向边缘移动畸变会越来越严重。本设计利用棋盘式方格进行测量，创建函数矫正桶形畸变还原真实赛道信息。筒体变形的数学模型参考公式（1）。

原始图像是一个二维数据矩阵，每个元素对应一个像素，计算量较大，可以利用Matlab仿真生成桶形畸变校正表，主控芯片只要查表找点即可。

3.2 目标识别

摄像头采集到图像后，图像采集平台对变换后的图像按行跳跃式扫描，只扫描原始图像的一半像素点，缩短扫描时间，基本思想如下：

(1)根据设定的阈值提取黑白跳跃点，按照扫描出连续目标区域的个数，记录每个区域的长度和中心点坐标；

(2)利用赛道的连续性，根据上一行白块中心的位置来确定本行的白块与上一行白块区域是否为同一区域，如果是便累加长度作为白块面积，不是便建立新的白块区域；

(3)整幅图像扫描完成后对前三个白块区域的各行中点求平均值，采集到的白块区域超过三个便识别错误舍去；

(4)比较三个白块的像素面积并重新排序，连同识别的目标数量按从小到大的顺序一起发给小车；

(5)智能车根据白块大小来确定信标、车头与头尾，其中面积最小的为车尾，再拿车尾的灯与另外两个灯的距离作比较，较远的为信标，较近的便是车头。

3.3 路径规划

目标识别后小车需要以最快的速度准确的到达目的地，这就需要对路径进行优化，路径优化主要考虑以下三个方面：

(1)增加小车视场的长度和宽度

当采集到的图像略大于整个赛道时，摄像头采集到的目标畸变较小，此时小车会选择一个较好的路径快速灭掉信标且不出摄像头视野；相反，如果视场无法覆盖整个赛道，小车很容易冲出赛道检测不到信标位置。虽然增大视场可以减少失真但提高了分辨率的要求，所以本设计采用STM32F767主控制器，其自带摄像头接口，方便操作。为了增加视场的宽度和每行采集的图像点数，摄像头使用广角镜头来有效地增加视场的宽度。既满足图像采集的要求，又增加了单片机处理的图像行数，最终处理行数为240行。

(2)相对角度处理

图像采集平台将采集到的坐标信息按从小到大进行排序，并将其与检测到目标数量一同发给小车，小车在接收到数据后会比较最小的信标与另外两个信标的距离，通过距离大小来区别信标灯和车头。最后分别算出车尾与车头，车尾与信标灯相对图像的角度，两个角度相减便得到小车与信标灯的角度差。

(3)切向灭灯与避障

行驶过程中小车速度较快，为了避免小车撞上信标，在足够靠近信标时，让小车与信标形成一个切向角度冲过去。外界光线结合赛道地面材料的反光容易对摄像头造成干扰，影响采集数据的准确性，容易造成碰撞因此车前装有三个超声波模块和两个GP2Y0A21YK0F 红外测距传感器，再通过模数转换将数据发送给小车，可能的排除干扰。

4 测试

为了验证该智能车导航系统定位的效果，在室内选择了一块较为空旷的场地，并在空地上方安装了图像采集平台，地面铺设了可发射红外光的信标供摄像头识别，信标铺设的位置预先经过测量，布设在镜头边缘等畸变严重、识别难度较高的区域，并在镜头视野内摆放了一些杂物干扰智能车的行驶路径。

实验表明，小车会根据传输过来的图像信息对亮着的信标灯进行目标识别并且规划路径，向着目标灯行驶过去。同时根据路面以及环境信息，电机会根据控制算法自动调整速度。在第一盏灯被灭掉之后，在下一盏灯与现处的位置之间放置随意一物体当作障碍，小车会自动完成避障功能并且驶向下一个目标区。

5 小结

本文从总体硬件结构和系统软件设计两方面分析了智能车辆的视觉定位与导航技术。将视觉传感器与车身分离出来，使之视角更为广阔，对于控制地面车辆的行驶具有更高的前瞻性。该系统设计可以让智能车在GPS覆盖不到的区域能够感应并靠近远距离终点目标。由于摄像头感应处理的是红光与红外光，对于外界自然光具有极强的抗干扰性，能够适应不同的工作场合，相比传统的导航方式，本设计在路径规划、障碍躲避、功能拓展方面具有较大优势，具有一定的创新与研究意义。