基于图像的路径识别与转向算法研究

赵美娟

(山西欣奥特自动化工程有限公司，山西 太原 030012)

0 引言

高速公路巡检智能车的自动驾驶技术必须满足能够准确识别车道，本功能的关键硬件设备是图像传感器，常用的图像传感器可以用红外、CMOS等技术[1]。本文使用了CMOS图像传感器，根据采集到的图像数据进行路径分析。在降低智能车系统整体功耗的同时，有效地节省了传感器，提高了路径识别的效率。提出了基于图像的路径识别算法，通过对图像进行识别处理确定路径的位置，来判断智能车的自动巡检能力。本文还研究了舵机转向算法，对比了多种算法，选用了PD算法作为转向控制算法。

1 图像传感器评测

华为品牌的CMOS图像传感器性能高，运行稳定，显色性较好，本文实验使用的是华为海思CMOS传感器。对该传感器的实测时序，其中，图1(a)为VSYNC-FODD的时序图；图1(b)为FODD-HERF的时序图。两个图中，上面的信号为第一路输入，下面的信号为第二路输入[3]。对其时序图分析不难发现该传感器满足智能车的实验要求，性能良好。

图1 实测时序图

通过搭建电路板测试其输出时序，在实验测试的基础上，本文设计并制作完成了CMOS摄像头。计算机端设计了图像显示系统，可以通过摄像头进行图像信息采集，通过无线端口进行数据的传输，将图像信息传递到计算机端，使实验过程的图像显示在计算机上[4]。

图2 图像显示系统

2 路径识别算法设计

智能车要根据既定的路线进行行驶，首先要识别摄像头采集回来的路线图像，对路径图像进行分析和识别，然后来判断智能车的转向和路况。智能车行进路线可以认为有三种组成，即直线、弯道、蛇形线组成[5]。本文通过分析图像的黑线位置来确定智能车前方的路况，如图3所示。

从图3可知，路径识别算法的基础是图像处理技术，将图像传感器传回的图像进行处理，来识别路径，并提取路径信息确定路径走向和特征。本文提出的算法分成两步处理：

1)图像中的数据点从右到左，进行灰度处理，对车道的灰度和周围物体进行灰度对比，提取图像中的车道信息，分割出车道。在确定的车道路径中，进行车道信息标记，在路径中每隔6个单位就标记白色信息点，并标注坐标，依次沿着路径进行标记。

2)设置一个计数器，对每一次标注的符合条件的白色点位，记录在计数器中。在标记信息点的过程中可能会出现黑色路径断掉的情况，这时计数器就将路径信息进行记录。重新进行图像采集、灰度处理、分割车道和标记。针对路径不同的图像，在路径进行转弯时，标记白色信息点的间隔会发生变化来准确识别转弯时的路径信息。

图3 路径识别示意图

通过实验数据分析，该算法可以准确标注出路径信息点，对三种不同形状的路径实验效果较好。对直线、弯道、蛇形线的测试结果如图4所示。白颜色的点位标记路径信息点。

图4 路径识别算法测试结果

3 转向算法设计

智能车的方向是由舵机来控制的，舵机的控制信号为PWM脉冲，不同脉冲对应着舵机转向的不同角度。本文利用单片机PWM输出作为舵机的脉冲输入来实现对高速巡检智能车的前轮转向控制。本文中，PWM脉冲宽度和舵机转向的角度正切值直接的关系为公式(1)所示。

Y=1423.92-246.47X.

(1)

其中，X为舵机转角的正切值，Y为PWM脉宽值。

根据上述基于图像的路径识别，来确定智能车的舵机转向角度。舵机转角的数学模型如图5所示，图中的α角即为舵机的转向角。图像传感器传回来的图像为图5中所示的黑色长方形，将该长方形放置对应的坐标系中，该坐标系Y轴为前进方向，X轴为左右方向，D为路径图像的长度，L1为宽度，L2为智能车前轮的水平连线到图像传感器所视最近位置的距离。

图5 计算舵机偏角示意图

由图可知xcent=D/2，ycent=0。D，L1，L2可以通过实验测得，每次测量完成之后，要进行重新定位，计算出图像中的黑色点平均坐标(xaver,yaver)。根据图3路径识别示意图的标注图像坐标，将公式进行等效变换，将原来的坐标变成新坐标如公式(2)所示。

(2)

当计算得到(xcent,ycent)和(xaver,yaver)两点的坐标之后，很容易就可以计算舵机应该偏转的角度。

本文采用PID算法对智能车的前轮转向进行控制，并根据智能车舵机的特性和控制角度要求，来改变PID算法的结构，对各种运算进行调整。从而得到适应于该智能车舵机的调节控制算法。

在智能车转向控制中，由于智能车并不需要考虑已经走过的路径，为此把积分调节去掉就形成了PD调节器。对应的转向调节算法如公式(3)所示。在该公式中t为图像传感器传输图像的时间周期20ms；kd为微分系数根据路况要求进行自主调整，实验情况下设定为[0.5,1.5]；enew为调节的计算偏差，舵机偏转的角度就是通过计算两次的偏差来获得的。

(3)

通过一段时间的实验测试，智能车在路径识别检测方面性能较好，能够准确标注出有效路径，并能在规定的车速情况下进行有效准确地转向。但是在实际的高速公路中由于环境的影响，特别是人为的路径标识的破坏，会对路径识别进行致命的干扰。这方面还需要进一步研究有效的智能算法能够预测和弥补路径缺失。

4 结论

本文采用华为CMOS传感器进行了高速公路巡检智能车的路径检测传感器的改造，并提出了基于图像的路径识别算法，通过对图像进行识别处理确定路径的位置，来判断智能车的自动巡检能力。本文还研究了舵机转向算法，对比了多种算法，选用了PD算法作为转向控制算法。经过实验评测，高速巡检智能车可以在规定的道路上以较快的速度稳定行进。目前的高速公路建设及维护过程中智能巡检车的使用可以节省人力物力，但是该技术对路径检测的要求越来越高，特别是对路况的检测要求越来越高。本文的研究可以为后续的高速公路智能巡检车技术提供依据。