设计与应用 250Design and Application
基于ＭＴ９Ｖ０３２摄像头的智能车软件设计＊李  永，冯伟峰，李思光，王俊人
（滨州学院，山东 滨州 256601）
【摘要】随着城市化的发展及汽车的普及，交通问题日益严重，智能车的使用可以在解决这一问题的同时提高道路的利用率，并保障行驶安全性。文章从智能设计的角度出发，运用图像传感器，分析如何在实际应用中实现控制与智能两者的结合，促进自动驾驶产业的发展。
【关键词】摄像头；智能车；软件设计
中图分类号：TP242  文献标志码：A  文章编号：2096-5699（2020）01-0250-01
1  智能车概述
智能车是当今车辆工程领域的研究前沿，体现了车辆工程、人工智能、自动控制、计算机等多个学科领域理论技术的交叉和综合，是未来汽车发展的趋势。该软件设计以恩智浦半导体公司的LPC54606单片机为控制核心，摄像头传感器为寻线传感器，涉及传感器信号处理、控制算法和策略优化等多个方面。
2  软件方案的整体设计
该智能车采用MT9V032摄像头循迹，图像传感器采集赛道信息，输出PAL制式信号，经过信号处理模块进行软件二值化，采用LM1881进行视频同步分离，二值化图像信号、奇偶场信号、行同步信号输入LPC54606微控制器，通过二维数组存取赛道信息并进行处理；通过512线编码器检测赛车的运行速度，并采用LPC54606的输入捕捉功能进行脉冲计算获得速度；转向舵机采用PD控制；驱动电动机采用PID控制，通过PWM控制驱动电路调整电动机的转速；而车速的期望值由系统默认值、图像处理的优化算法及不同赛道的控制策略决定。
3  图像处理采集与提取
摄像头采集的图像处理主要有图像的二值化和图像滤波。其目的主要为图像降噪、分离白底黑线、为下一步的图像识别提供更简单准确的图像数据。图像传感器采用DMA采集图像，DMA采集高速且不经过CPU，这样便能够采集更多的有效数据。图像采集的主要目的是准确提取边界黑线所在位置，通过边界确定中线位置，提取赛道的方法主要有全局中线法和边缘检测法；全局中线法即整幅图像每行都采用从中间向两边扫来寻道路边界的方法；而边缘检测法则是在车体前几行运用从中间向两边扫描的办法寻到黑边界后，到两侧边界所在列，然后在其左右对图像进行局部扫描确定下一行边界。全局扫描算法如下：
for(int i= HightRow;i>=0;i--)
{ for(intj=MiddleLine;j>=0;j--) {if(image[i] [j]<=Threshhoid&&
image[i][j+1]<=Threshhoid&&
image[i][j+2]<=Threshhoid)
{ LeftEdge[i]=j+1;
break;}
}
for(int j= MiddleLine;j<=WidthCol;j++)
{if(image[i][j]<=Threshhoid &&
image[i][j-1]<=Threshhoid&&
image[i][j-2]<= Threshhoid)
汽车驾驶教程{RightEdge[i]=j-1;
break;}
}}
HightRow、WidthCol、MiddleLine分别为行高、列宽、中线，image[i][j]为储存的第i行第j列图像信息，Threshhoid为图像二值化阈值。
4  控制策略
（1）控制方案。智能车根据两侧黑边界的位置判断当前车体的位置，采用动态行中线位置求得与理想中线的偏差，根据偏差值采用比例增益动态控制舵机的输出量。在测试中发现，此控制策略可以在偏离中线较大时也可将中线偏差值的增益减到很小，足以满足需要。（2）电机控制。驱动电机可采用位置式PID或增量式PID控制。位置式PID控制的输出与整个过去的状态有关，用到了误差的累加值；而增量式PID的输出只与当前和前两次的误差有关，因此位置式PID控制的累积误差相对更大；由于增量式PID输出的是控制量增量，即使运行过程中出现故障，误动作影响较小，而执行机构本身有记忆功能，可仍保持原位，不会严重影响系统的工作，而位置式的输出直接对应对象的输出，因此对系统影响较大。故选择增量式PID。算法如下：
PwmOut=basicValue+kp×d_error+ki×error+kd×dd_ error
kp、ki、kd分别为比例、积分、微分控制系数，error为当前误差量，d_error为本次误差量与上次误差量之差，dd_ error为d_error的误差量。
5  结束语
程序的开发在IAR下进行，包括源程序的编写、编译和链接，并最终生成可执行文件。经实验测定采用MT9V032摄像头循迹的智能车运行稳定，且具有一定的抗干扰能力，具备促进未来无人驾驶汽车发展的潜力。该智能车可广泛适用于城市建设、道路建设、快递货物卸运，节省人力、物力，使工作更加高效。
参考文献：
[1]隋金雪，杨莉，张岩.“恩智浦”杯智能汽车设计与实例教程[M].北京:
电子工业出版社,2018.
[2]魏溪含，涂铭，张修鹏.深度学习与图像识别原理与实践[M].北京:
电子工业出版社,2019.
[3] Brian W.Kernighun.C程序设计语言[M].北京：机械工业出版社,
2019.
基金项目：滨州学院科研基金项目（BZXYG1714）；山东省重点研发项目（2019GSF111061）；滨州学院科研重大项目（2019ZD01）；滨州学院实验技术项目（BZXYSYXM201813）
作者简介：李永，男，山东阳信人，硕士，高级实验师，研究方向：计算机，人工智能等。
2020年1期花炮科技与市场