基于视觉功能的智能跟踪小车的设计与研究

摘 要：针对基于机器视觉自动跟踪系统的问题，利用手机IP Camera对目标特征进行采集，通过API串口采SPI通信协议结合无线传输模块进行编程实现对智能小车控制。本文提出了以STM32F103RC为控制核心，基于OpenCV的CAMShift算法，对采集到的目标特征进行分析，通过定时器产生PWM脉冲波实现对小车运行速度、前进、停止、左转、右转的精确控制，从而完成对目标的实时跟踪。

关键词：CamShift算法；智能跟踪；PWM脉冲波

DOI：10.16640/j.cnki.37-1222/t.2018.24.102

1 引言

智能车是具有自主性、适应性和交互性等于一体的综合系统，它融合了自动控制，人工智能、机械工程、信息融合、传感器技术、图像处理技术以及计算机等多门学科的最新研究成果。工业发达国家已相继将智能车的研究纳入21世纪重点研究开发的智能交通系统和智能车路系统的重要组成部分[1-2]。而计算机视觉，试图通过传感器获取事物的图像信息，然后通过对信息进行处理并建立人工智能系统[3]。运动目标的检测和跟踪是图像处理和计算机视觉研究领域的一个重要课题，它融合了数字图像处理、模式识别、人工智能等多个相关领域的知识。

随着计算科学技术的不断发展，视觉跟踪技术变得日益重要，越来越广泛的被应用到人们的日常工作和生活中，如交通流量的检测、人机交互、安全监控、汽车的自动驾驶或辅助驾驶、人体运动分析以及视频压缩等领域，受到人们的高度重视[4-5]。因此，研究运动目标的检测和跟踪具有极大的理论意义和现实价值。

本文主要针对基于机器视觉的智能车跟踪系统进行重点研究，在动态背景下检测出运动目标、跟踪目标，根据前方目标的运动状态，研究形成后方对智能车的控制，实现智能车对前方目标的准确跟踪。

2 整体方案设计

基于机器视觉的智能小车跟踪系统整体方案设计框图如图1所示，主要由IP Camera、智能车平台和软件跟踪系统三部分组成。其中智能小车自动跟踪系统平台主要包括无线接收模块和运动控制系统模块；软件跟踪系统主要包括机器视觉算法和控制模块。具体的方案如下：

以PC机为图像处理与识别作为算法处理为核心，用无线网络进行图像视频信息的传输。采用手机IP Camera的图像传感器来拍摄前方事物，将获得的图像视频信息传输到PC机，PC机通过无线网络读取出图像视频，利用VS2015软件为开发环境进行图像处理，经机器视觉算法分析得到跟踪目标的方位，根据确定的目标方位，将相应的控制指令通过API串口发送给智能小车运动控制系统，STM32F103RC单片机则根据接收到的指令信息来控制电机驱动模块，做出相应的动作来实现对目标事物的自动跟踪。

智能小车平台，如图2所示。采用四轮结构，以STM32F103RC单片机为控制核心，左右两侧的电机分别采用一个L298电机驱动，工作电压为12V，由电源的稳压模块提供。电机驱动模块输出的电压范围为0V～46V。自动过程的跟踪调节主要靠输出电压和PWM脉冲波进行，其中高低电压用来改变小车运动方向，而PWM脉冲波用来调节小车运动速度。因此自动跟踪系统控制的关键是目标事物的方位确定，即机器视觉算法的实现。

3 视觉跟踪算法原理

（1）CamShift算法原理。CamShift算法主要是采用目标事物的颜色直方图模型，把图像信息转变成颜色概率分布图。对搜索窗的大小和位置进行初始化，并且根据上一帧分析得到的结果对搜索窗口的大小和位置进行自适应调整，从而实现对当前目标图像的中心位置进行定位。大致分为三部分内容：

A.色彩投影图：

1）光照亮度变化对于RGB颜色空间的影响很大，因此需要将图像从RGB空间转换到HSV空间，来克服由于光照亮度的变化对智能小车自动跟踪效果的影响。

2）对HSV空间中的H分量做相应的直方图，直方图中可以显示出不同H分量值出现的像素个数或者概率，即颜色概率查找表。通过颜色概率查找表就可以查找出H分量值大小为h的像素个数或者概率。

3）最后用颜色出现的概率替换图像信息中每个像素的分量值，从而获得颜色概率分布图。

B.利用MeanShift算法：目标事物的定位通过迭代寻优的方式找到概率分布的极值来实现。

C.利用CamShift算法：CamShift算法就是将MeanShift算法扩展到连续的图像序列，将视频的所有帧做MeanShift运算。核心是的迭代运算，将上一帧的结果作为下一帧MeanShift算法的初始值，这样迭代下去，搜索窗的大小和位置不断自动更新，就可以实现對目标事物的自动跟踪。CamShift算法可以有效的解决目标遮挡和变形的问题，对系统资源要求不是很高，而且时间复杂度相对较低，因此在简单背景下可以获得比较好的自动跟踪效果。

（2）CamShift算法的具体流程。通过鼠标选取出图像中需要跟踪的目标，计算出该选定目标的颜色直方图，通过颜色直方图的信息计算出颜色的概率分别情况，通过整个图像设为需要搜索的区域，计算出选定的目标在整个搜索的图像中的质心位置，判断该质心位置是否正确，当下一帧图像进入时，重新计算出选定的目标整个搜索的图像中的质心位置，判断该质心位置是否正确，无限循环重复，就把一帧一帧的图像进行了视觉跟踪的计算。

4 结论

本文设计了基于视觉功能的智能跟踪小车，利用手机IP Camera作为视觉传感器，结合无线网络功能，实现手机和PC之间的图像音频的传输。采用CamShift算法实现了对图像音频的分析，并通过单片机编程控制，完成了对目标事物进行识别、分析并实时自动跟踪。

参考文献：

[1]何慧尧.运动目标跟踪算法及应用研究[D].天津：天津工业大学，2017.

[2]段佳雷.基于ARM的跟踪小车的设计与实现[D].兰州：兰州理工大学，2014.

[3]蒙建波，虞建静，管金库等.智能小车目标识别跟踪系统的实现[J].重庆大学学报（自然科学版），2004，27（09）：45-48.

[4]程义军，唐祯安，余隽.集成微热板气体传感器阵列的加热驱动电路设计[J].电子器件，2014，37（06）：1136-1140.

[5]程义军，唐祯安.微热板阵列式集成气体传感器的芯片电路设计[J].传感技术学报，2015，28（11）：1620-1624.

太原工业学院应用性课程建设项目：“基于微课翻转课堂的DSP应用性课程建设” 项目编号：2017YJ07Y

作者简介：程义军（1987-），男，山西太原人，硕士研究生，研究方向：集成气体传感器。