关于电动车智能限速系统实现的研究

蔡慧敏　刘岩恺

摘 要：本文以电动车智能化设计为背景，首先分析了现在电动车出行的优缺点，之后提出了利用摄像头和红外线、超声波、角速度等传感器，通过智能检测周围环境来避免或减轻危险的方法。在具体实现上为利用stm芯片控制，结合传感器库函数、腐蚀算法、图像转码等。

关键词：智能电动车 自动限速 传感器 腐蚀算法 图像颜色分析

中图分类号：U495 文献标识码：A 文章编号：1674-098X（2017）11（b）-0001-02

当今中国电动车的发展正面临着前所未有的机遇。电动车是互联网+时代当中最具前景、能最快催生跨行业融合效应的领域。电动车的智能化发展与分布式清洁能源、物联网、互联网多角度交集，它正以强大的力量推动汽车产业进行一次影响深远的结构升级。

电动车这种出行方式绿色、低碳、环保，且因其体积较小的特点在出行上比汽车更加灵活，电动车不像汽车一样在行车上有诸多限制，它属于非机动车辆，出行省力便捷。但是电动车的安全问题鲜有人关注，如今的电动车有很多安全隐患。首先，现在的电动车大多是利用车把的旋转开关控制，一旦误操作就很有可能造成速度瞬间加快引起危险。其次，当用户因注意力不集中时会有撞到前方障碍物的风险，可能会造成严重危险，甚至可能引起连环车祸。

1 主要思想

本设计采用stm32f103zet6作为开发板，stm32系列的芯片专为高效率、低能耗、低成本的嵌入式系统设计。它内置32K～128K的闪存，性能非常强大。摄像头采用的是OV7670图像传感器，其体积很小，可以方便安装在电动车的任何位置。OV7670通过SCCB总线控制，可以完全控制图像质量、输出格式、传输方式、亮度、饱和度、黑白平衡等各项参数，可以得到稳定而又非常清晰的彩色图像[1]。

限速模块主要通过图像和周围障碍物的距离两种方式判定限速程度。本设计采用红外线、超声波、角速度传感器感知距离情况，利用摄像头采集周围的图像数据，再发送给stm32分析图像内容，结合分布在车身周围的传感器所提取的周围环境信息综合分析周围状况[2]。一方面给电动车一个合适的速度上限；另一方面在前方出现障碍物而车主没有反应时利用蜂鸣器提醒，多次提醒无效时取消动力供应，大大提高避免事故的可能性，并可以降低碰撞伤害。同时，本设计的所有功能都可以人为干预取消，留下根据实际情况灵活调整的空间。

2 红外线、超声波、角速度传感器感知部分

电动车前方和左右两侧安装了传感器辅助。为了节约能量，在地形较为简单，没有特殊天气，周围均没有障碍物时不完全开启摄像头图像分析，摄像机将长时间休眠与短时间工作交替进行，来检测雪、雾等极端天气[3]。只有当传感器发现周围有较多障碍物，例如：在市场中，或在有很多车的路上时才利用摄像头模块做辅助。超声波和红外传感器的感知能耗较低，只需要做简单的模数转换即可分析得到的信息，省去了控制芯片一帧一帧读取摄像头信息并分析时间和能量，可以更灵活多变地监控周围的环境。在具体测量时利用IO口的TRIG触发测距，即每遇到一个上升沿就获得一次距离数据，上升沿持续的时间就是超声波从发射到返回的时间。

除了利用摄像头和距离感知传感器获得周围的环境复杂状况外，本设计还使用了角速度传感器用于弯道的检测。一旦检测到车辆进入弯道，会根据弯道角度限制最大速度，防止因速度过快造成的车辆弯道翻倒。

3 利用图像识别分析环境情况

当周围环境较为复杂时，仅通过传感器已经无法全面地采集周围环境数据，分析环境状况，给出合理的速度上限了，此时摄像头的辅助就显得极为重要[4]。比如：在雨天、雪天、雾天等极端天气下，虽然周围暂时没有检测到车辆靠近，行车依然不宜过快，因此，图像分析是不可或缺的。

对于摄像头采集到的图片滤波之后在颜色和边缘识别上的分析，采用如下方法。

3.1 物体边缘的识别过程

识别物体边缘时首先遍历图像在屏幕中找到一个符合要求的点，然后以此点为中心向外进行迭代寻找新的腐蚀中心。该算法从该点开始向周围上下左右4个方向读点，然后分析所读点的参数，如果符合要求则向外继续读点，直到4个方向的运算全部结束。通过识别物体的边缘，结合颜色识别的辅助，即可分析周围的环境状况并辨认出城市道路、郊区、市场等一些典型场景[5]，再按照事先预设（也可以由用户自行调整）的值限定速度。

利用这种方法可以方便寻找到物体的边缘，当物体距离较远导致距离传感器无法正确识别时，摄像头的辅助可以使系统感知到接近的物体，并对其轨迹预测，使系统有了预先判断[6]。再结合距离传感器的辅助就能更加全面感知，保证安全。

3.2 物体颜色识别的过程

除去识别图片的边缘，识别颜色也有着重要的意义。识别图像中的颜色可以辅助边缘识别辨认出物体的类型或者疏密程度。颜色识别可以利用标志性的灰色识别城市的道路，从而判断车主可能行驶在城市中，再结合四周的红外线及超声波传感器，可判断车辆的疏密程度。仅依靠边缘的识别在复杂的环境下很难正确分析周围的情况，结合同一物体颜色常常是同一色系的方法可以更准确地分析周围的情况[7]。

在实际行驶时采用先将图像转换为HSL格式的方法。即通过色相、饱和度、明度来表示颜色。这种表示方法的优越性在于同一个色系的颜色色相是不变的，只有明度和饱和度会有不同，非常方便识别具体颜色。例如：深红色的数值是H/S/L=0/240/61，而浅红色的数值是H/S/L=0/240/151。虽然都是红色，两者的实际数值却只有S和L不同。由于它在颜色识别上的优良表现，它也可以用于识别道路标志牌等指引信息。

4 结语

本文以电动车的智能改造为背景，针对智能限速的功能做了研究。基于红外线测距技术，超声波技术，电机控制模块等相关技术，主要研究了利用角速度等传感器和摄像头通过智能检测周围环境并把所采集到的环境数据先通过整流转换为数字信号再进行发送来避免或减轻危险。结合stm32中的库函数、腐蚀算法、图像转码，可全面感知周围环境，有效降低了危险发生的可能性，还可以在危险无法避免时大大减轻伤害。

参考文献

[1] 蔣树强，闵巍庆，王树徽.面向智能交互的图像识别技术综述与展望[J].科技资讯，2016（24）：1-2.

[2] 孙济远.浅谈摄像头颜色识别技术[J].科技经济导刊，2016（4）：603-617.

[3] 洪文彬，杨慧斌.基于颜色识别的快递包裹分拣系统[J].机械工程报：工学版，2015，40（2）：249-253.

[4] 胡焯源.车辆信息识别系统设计与实现[D].福建师范大学，2015.

[5] 林晓津.基于视觉颜色处理机制的运动人体识别算法[J].数字技术与应用，2015，29（2）：94.

[6] 李宏光.几种颜色测量方法的比较[J].应用光学，2005， 26（3）：60-63.

[7] 杜春玲，张希，格蕾.颜色测量仪器及其发展[J].现代仪器， 2005（3）：56-57.endprint