圖像采集與處理在智能車系統中的應用

　　摘要：在智能車系統的設計中，路徑識別的準確性直接影響到智能車能否正確地行駛。以攝像頭作為路徑識別的傳感器能夠有效地提高智能車的前瞻性，但原始圖像的數據量相對單片機來說是比較龐大的。本文采用了硬件分頻的方法對圖像數據進行了有效的壓縮，并對圖像對進行二值化和去除噪聲的預處理。大量的實驗結果表明，該方案能夠實現路徑識別的正確性與快速性。

　　智能車系統以一個標準的汽車模型作為載體，要求實現在白色場地上，根據系統采集到的路面狀況作出路徑識別，并實現轉向和車速的控制，使其自動地沿著一條任意給定的黑色帶狀引導線行駛，在保證穩定性的前提下以最短的時間完成自動尋跡。

　　路徑識別在智能車系統中，可以比作是智能車的眼睛，是智能車能夠正確行走的基礎。路徑識別的方法主要有光電傳感器和CCD/CMOS攝像頭傳感器兩種方式，與光電傳感器相比,攝像頭傳感器具有較好的快速性、前瞻性,能夠感知智能車前方更遠距離的賽道變化,提取有效信息,從而為智能車快速、平穩的前進、轉彎以及制動控制提供更好的判斷依據[1]，因此本文采用了標準信號輸出(PAL制式)的CMOS攝像頭作為系統的視覺傳感器。攝像頭原始的圖像大小是628*582相素，這對單片機來說是一個相對較大的數據量，因此如何將原始圖像進行高效壓縮是系統的一個關鍵基礎，同時圖像的預處理也是系統的的一個關鍵技術。本文提出了一種高效的圖像壓縮方法，并且提出了一種有效的圖像預處理方法。

　　1 系統概述

　　智能小車系統主要由路徑識別、速度采集、轉向控制及車速控制等功能模塊組成。路徑識別功能采用CMOS攝像頭，將其模擬量的視頻信號進行視頻解碼后，經過二值化處理并轉化為18×90pix的圖像數據后送入MCU進行處理;轉向控制采用基于模糊控制算法進行調節;而車速控制采用的是經典PID算法，通過對賽道不同形狀的判斷結果，設定不同的給定速度。該系統以50Hz的頻率通過不斷地采集實時路況信息和速度，實現對整個系統的閉環控制，如圖1所示。　　

　　2.智能小車的圖像采集與存儲

　　2.1 圖像采集模塊設計

　　CMOS攝像頭正常供電后,便可輸出原始圖像的信號波形，它是PAL制式的模擬信號，包含行同步、行消隱、場同步、場消隱等信號如圖2所示。但該形式的信號并不能被CPU直接使用，需要加入視頻解碼芯片如SAA7111，它的功能是將攝像頭輸出的模擬信號轉化為數字信號，同時產生各種同步信號，CPU利用此同步信號將圖像的數字信號存儲在一個外部FIFO芯片AL422中，這便構成了基本的路徑檢測模塊，如圖3所示。