一种用于智能车图像处理的设计

2018-02-01刘兰兰罗念张远念

山东青年 2017年10期

刘兰兰+罗念+张远念

摘要：为了实现智能车路径自主识别，设计一种路径识别系统，对智能车道路信息提取及处理算法和控制决策算法进行了研究。本研究以MK60DN512ZLVQ100（K60）作为核心控制器，系统中硬件设计通过CMOS动态集成模拟摄像头OV7620作为图像传感器对赛道进行检测并拍摄赛道图像，输出图像到K60微处理器进行处理，利用自适应动态阈值图像处理算法对采集的信息进行还原、滤波，计算出最佳路径。

关键词：飞思卡尔；OV7620；动态阈值；控制算法

1、引言

智能车集中运用了自动控制、多传感器信息融合、导航技术、无线通信技术以及人工智能算法等高新技术[1]。在传统智能车比赛中经常应用CCD传感器作为图像数据的路径识别模块，但CCD传感器的前瞻较小且延伸调节不方便，其能获取到的有效数据局限于有限的几点，因此在多变的赛道环境中的适应性较差。而CMOS OV7620动态集成模拟摄像头[2]的前瞻较远且可调节性较强，能及早捕捉和提取循迹轨道信息以便做出加速、减速等处理。图像数据二值化处理的好坏决定着路径识别模块处理的稳定性能和处理结果正确性。以嵌入式单片机K60为核心控制器，利用其强大的数据处理能力和丰富的外设接口设计，来实现摄像头图像数据处理。

2、系统硬件设计

2.1核心控制器模块

本系统采用Freescale32位K60系统微控制器作为系统核心控制处理器，根据其技术手册，K60微控制器具有丰富的模拟、通信、定时和控制外设，内含256KB Flash。另外，其特有的DSP指令和单精度浮点运算具备直接访问（DMA）控制器与复用器功能，最高时频可达180MHz。

2.2图像采集模块

本系统采用OV7620图像传感器，OV7620内置10位双通道A/D转换器，输出8位图像数据，因此直接将摄像头的图像灰度信息输出连接至K60的GPIO端口，K60微控制器使用3.3V电压作为工作电压，而OV7620端口输出电压为5V，为了防止单片机长时间过压，需要将OV7620的输出信号在不改变其包含信息前提下做相应的转换，从而实现系统的稳定运行。

3、系统软件设计

高效的软件程序是小车高速、平稳自动循迹的基础，系统软件采用C语言编程[3]，主要由初始化、图像采集与处理两个模块组成，软件流程如图1所示。其中图像采集与处理模块[4]是软件核心部分，包括动态阈值二值化、引导线提取等。主控模块通过循环调用图像采集与处理对采集到的图像进行处理。

3.1摄像头视频信息采集

K60首先捕捉OV7620VSYN中断，进入场中断，然后捕捉HERF，进入行中断，读取GPIO端口图像灰度数据存入图像数据数组。

摄像头采用俯视角度采集路径信息，由于其视野角度比较小，因此所拍摄的画面会呈倒梯形，如圖2所示。

3.2路径图像信息提取

1.图像分割

图像分割算法大概可以分为边缘检测分割和阈值分割两类。

图像边缘是指图像中周围像素灰度有阶跃变化或屋顶变化的像素点，而边缘检测的主要依据是图像一阶导数和二阶导数，但是进行图像边缘检测的前提是首先要对图像进行滤波，过程复杂，大量浪费单片机的CPU。

阈值分割是基于区域的图像分割方法，适用于物体与背景区域具有强烈对比的图像，而且计算简单。阈值分割算法的关键在于阈值的确定，由于智能车辆识别路径过程中，受时间和空间变化影响较大，必须采用动态阈值分割算法。

2.动态阈值算法

动态阈值分割算法主要有实验法、灰度直方图法、迭代选择阈值法、最小均方误差发、最大类间方差法等。