OpenMV的红绿灯识别测距系统设计

2021-04-11华北理工大学电气工程学院张博文马德彬宋永旭戚翔琛

电子世界 2021年6期

华北理工大学电气工程学院张博文马德彬宋永旭戚翔琛

本篇简叙了一种基于OpenMV的红绿灯智能识别测距系统，通过卡尔曼滤波去噪预处理防止镜头畸变，应用神经网络法进行图像识别，可以精确检测红绿灯数值、距离，以数字信号输出红绿灯信息，可作为硬件模块应用于各类复杂系统，为道路检测、汽车自动驾驶、智能机器人的研发提供了更多的可能性。

基于图像识别的自动驾驶技术为当今研究的热门课题，为了更大程度的解放双手，增加路况识别的准确性与实时性，保障自动驾驶的安全性与系统稳定性，本篇依据OpenMV技术、卡尔曼滤波算法、神经网络分析法，从红绿灯识别入手，研究一种搭建于stm32平台的红绿灯路况识别系统，达到路况的精准识别。

1 硬件介绍

本系统是一种搭建于stm32f403的OpenMV的嵌入式系统，单片机与OpenMV之间采用同步串行口通信，使用stm32f403的USRT1 RX，TX分别于OpenMV的TX，RX相连，进行数据交换，单片机将得到的数据进行计算分析，得到所需信号。

本系统选用OPENMV2 M4摄像头模组，该模组配备stm32f427芯片，OV7725感光元件，可以处理640×480 8-bit灰度图或者320×240 16-bit RGB 565彩色图像。选用OpenMV平台处理速度更快，精度高，数据精确，负载轻，系统稳定，可达到设计的预期效果。

2 算法介绍

本系统主要对于红绿灯位置和距离进行识别，以下简述识别算法的改进与优化，作为图像识别的基本问题，像素点急剧变化的关键事件点是识别的重要依据。本系统对于交通灯的识别主要分为形状识别和色彩识别两部分。

图1 Lab颜色库图例

2.1 预处理

2.1.1 对比色库

在颜色识别方面，我们对识别方法做了改进，相比传统的RGB颜色模型，我们采用了对比lab色库的方式，对于颜色和亮度分别储存，如图1所示，可以更好的将颜色信息反映到数据当中，增大颜色识别的准确性。Lab色彩模型比计算机显示器，甚至人类视觉系统的色域都要大。在本系统中，分别对a轴红绿分量，b轴黄蓝分量进行判断，采用基于阈值的分割识别法，识别红黄绿三种信号灯，可以改善传统RGB色库识别不准确问题。

2.1.2 二值化处理

在完成了对图片的信息色彩识别后，我们进一步的识别，将符合阈值内符合信号灯色彩的关键像素点设为1，其余设为0，这样就得到了一个双色位的识别图，如图2所示，在图中我们可以看到，红色信号灯的颜色为黑色，可以清晰看到其形状。但是由于系统噪声大等问题，图像识别的效果仍不理想。

图2 经过特殊二值化处理后的图像

2.1.3 滤波处理

接下来对图像进行滤波处理，我们将相邻10ms所拍摄的图片进行比对，通过卡尔曼滤波算法，对不同时刻的图片赋予不同权值，最后计算算数平方跟，结果不足0.375的值为0，反之为1，进而得到新的二值图像，如图3所示。但是我们发现仍然有很大问题，由于车是运动的，相邻几毫秒拍下的图片进行处理会使计算结果出现一定微小形变，则通过最近一次拍下的图片对二值图片进行校正，得到最终的识别图像，可以减少失真。

图3 经过滤波算法后的二值化图像

2.2 识别比对

对预处理后的图像进行识别对于，与图形库中的图形进行比对，经过测试，匹配度超过83.45%则匹配成功，成功后对像素点进行边缘化识别，对面积进行积分计算，可得出图形面积（单位；像素），根据像素面积的情况计算信号灯距离。由于环境中干扰严重，一些圆形车灯和道路中图案会对结果严重干扰，我们采用卷积神经网络法进行识别。

图4 识别数字实例

据我们所知，人类的视觉系统是世界上最优越的系统之一，我们可以简单的辨别出图中数字“123456”，是因为我们对这些数字的了解程度非常深，不知不觉中就完成了识别。机器学习也是如此，通过复杂的深度学习，也可以到到同样的效果。我们通过调用YOLO动态库，对系统进行训练，使系统“熟悉”这些图像，可以快速识别出所需对象。识别数字实例如图4所示。