-
徐州工程学院毕业设计
外文翻译
学
生
姓
名
学
院
名
称
专
业
名
称
< br>指
导
教
师
虞
黎
亮
机
电
工
程
学
院
机
械
设
计
制
< br>造
及
其
自
动
化
张
建
化
2011
年
05
月
27
日
基于
CMOS
相机的智能汽车道路识别
刘楚
中国上海同济大学自动工程学院
fiercelc@
陈杰
中国上海同济
大学自动工程学院
panggebiao@
徐一凡
中国上海同济大学自动工程
学院
freeskyflying@
罗峰
中国上海同济大学自动工程学
luo_feng@
摘要
近几年，智能辅助驾驶和导航越
来越受到人们的关注，本文设计开发了一种以
CMOS
相机作为
传感器的智能车道路识别系统，它可以完成道路识别和智能车导航功能，并说明
了
CMOS
相机的安装和采样过程。
本文设计开发了一套道路
PC
监控系统和道路识
别算法测试程序，它可以保证道路识
别的精确性、快速性和自适应性。一旦算法通过测试
，那么该程序无需修改就可在嵌入式
发展环境下直接应用，也可在智能车微控制器上直接
应用。
本文在
PC
< br>机上设计开发了一个
3D
道路模拟系统，它很容易为道路
识别系统的模拟和
测量建立各种道路轨迹。此外，各种实际道路同样也可以在模拟系统上
仿真。
实验表明在这样的测试环境下，道路识别运算法在道路
识别和路径跟踪是令人满意
的。本文研究可以丰富智能车道路识别算法的研究，也为发展
视觉导航和无人驾驶提供支
持。
<
/p>
关键词
：
CMOS
照相机；智能车；道路识别；视频采样；道路模拟；算法测试
1.
系统介绍
A
．
道路识别的背景基于照相机
一辆无人
驾驶车的概念包括一个高度自动化认知和控制技术的新兴语系，最后针对出
租车常客为汽
车体验用户。连同其它的发展
,
它们一起被很多人视为是
2020
年车辆的主要
技术进展。
道路识别是智能车交通感知和自主驾驶的前提，同时在机械视觉系统和智
能导航领域
被研究。许多系统通过摄像机能实现车辆的无人驾驶。
THMR-V
（清华移动机器人—
V
）是
一个能完美执行在平坦道路上，并加速到
150
千米
/
小时的系统。
<
/p>
然而，许多系统需要实际信息道路或静态形象道路来测试无人驾驶的功能。在线测试
的过程成本是昂贵的，因此低成本的
CMOS
相机模块非常的适用于汽车工业，我们的目标是
开发一个可扩展的调试平台，用于研究和
开发基于
CMOS
照相机的机械视觉和自身引导系
统
。
通过这个系统，现实
的公路电影可以用来测试道路识别功能；同时，结构化和非结构
化的路都道路也可以模拟
，开发人员可以修改虚拟
CMOS
相机的采样参数以便于调试和
验证
运算法则在道路识别功能中的重要性。
< br>道路识别设备和稳定的算法是提高智能车稳定性的关键。在这里
,
飞思卡尔
16
位单片
机”MC
9S12DG128B”(缩短为“S12
S12
的运算速度
和记忆能力远
低于电脑，所以采用
640
x 480
分辨率的黑白
CMOS
相机作为智能车辆的视频传感器。相较
于其他路面传感器，
CMOS
相机具有快速采集的能力，这为智能车提供了足够的道路信
息。
详细的参数指定表
I
。通过数据的
收集和计算，车辆能够快速确定驾驶道路。图
I
展示怎样
安装
CMOS
相机和框架。
< br>
B
．
硬件设计与抽样算法
智能车上的视频
采样模块由
CMOS
相机、视频同步分离
LM1881
以及
S12
的模数转换
模块
组成。
表格
I
CMOS
传感器参数
模型
图像传感器
有效性像素
水平定义
视角
频率
电源
参数
1 / 3
英寸
OmniVision
CMOS
分辨率：
640*480
32
64
度
50
赫兹
直流
9V/100mA
CMOS
相机
智能车辆
视角范围
图
相机的安装
由于
CMOS
相机需要
9
伏电源
,
高过车电池电压
，所以采用电源转换器
MC34063
使照
相机正常工作。
在安装好相机后，需要采样的视频信号。
这里
LM1881
视频同步分离器的使用，为智能
车从视频信号控制器提取定时信息。当定时信号从
LM1881
芯片出现时，通过智能控制器内
部的模数转换模块，智能控制器就能采样信号
。
采样信号通过
S12
芯片内部的道路识别法则来处理，轨迹表面上的黑色线路用来跟踪
和分析，如
图
2
所示。
CMOS
< br>相机的检测频率为
50
赫兹，视频信号总是在
20
毫秒自转一周，
用来满足高速运行的需要和实时的处理。
C
．
模拟调试的方法
由于智能车是一个实
时系统，当高速运行时，调试的方法是有限的。同时，潜在的定
位问题也是难解决的。为
了解决这个问题，需要在
PC
机上建立测试模拟系统，通过智能
车
算法的动态库，调试过程就可以很简单的完成。用
C
语言编写的代码语言，它具有如下优
点：
1.C
代码可以很容易地适用到许多类型的计算机
< br>,
使软件开发的微控制器系统并联硬
件设计。
2.
即使平台改变，
C
语言编写的程序也可以直接移植。
3.C
代码易于调试。
基于
C
语言的可移植性，一旦该算法通过测试，它就
可以不需要修改而直接满足嵌入
式发展环境，然后产生的目标代码就能在微控制器上正常
运行。图
3
中讲解了模拟调试的
方法，
运算库是微软
Visual C++
的一个工具，通过收集，一
个能通过仿真测试环境的测试
和验证动态链接库就产生了。稳定的算法可以被移植，然后
最终运行于智能车的微控制器
中。
场信号中断
初始化
行信号中断
行计数器
++
行信号准备
纵信号结束
样本点
排采样信号
行计数足够
完成一个采用字段
结束
图
采样流程
D
．
模拟测试系统的实现
仿真试验系统是
由两个主要功能模块：实时监控模块和离线三维道路模拟模块组成
的。这两个模块有相同
的运算库
,
所以这一算法可以测试于在线和离线状态。
1
）
实时监控模块
为了解
S12
单片机取样内部数字模拟模块和道路调试识别算法的结果，提出了一种基
于建立电脑监控程序，并从
COM
端口
或无线模块读取视频数据和回归到二维灰度图像然后
显示在屏幕上的方法，如图
4
所示。
模拟测试环境
动态连接库
电脑上的运算法
则
嵌入式开发环境
智能车微控制器
< br>图
3.
仿真调试的方法
图
4.
实时监测与调试模块
监控模块的原理
是这样的：
当通信配置完成时，
程序初始化开始检测。
当智能车得电，
并且通过无线检测模块发送一
个包括行和列的视频信号数据包给电脑监控程序，监控程序
然后评估收到参数的当前价值
。因此，建立了智能车和电脑之间的通信通道，智能车运行
时发出的
CMOS
信号可以显示在屏幕上进行监测。
获得的视频数据也可以用来模拟道路信号，并且同时可以在电脑上，可以测试智能车
< br>的道路算法，参阅图
4-
道路识别结果，这样提高了开发
效率
,
确保了算法的准确性和适应
性。
运算法则消耗的时间是合适和有效的，这样保证了该算法可以快速处理大量数据。一
旦该
算法通过测验
,
它可以不经修改而直接满足嵌入式发展环境
,
并在
S12
芯片
正常运行。
实验证明了智能车在道路识别算法产生的结果和在电脑模拟的结果是一样的。
这也显示了
道路识别算法在进行仿真调试的优势。流程图
5
显示了监测和调试模块。
视频数据包
初始化
连接算法法则库
读取数据并显示
记录影像
道路识别
稳定控制
速度控制
记录一帧
运算法则测试
其它运算法则
结束
图
5.
实时监测模块处理资料
显示运算法则
测试结果
2
）
三维道路模拟模块
在线测试是检验算
法的最好方法，但是包括两大耗费问题：第一，对整车应该在一个
可行的条件下
,
从机械部件到电子设备和传感器软件都要正确。第二，要求多种团队成
员，
后勤是成本的一部分同时在这个过程中花费时间。此外，为了使智能车的道路识别算
法适
应任意道路，通过在电脑上建立离线三维道路模拟和测量系统，使用一套三维图像引
擎生
成真实感较强的三维图像，实际上在轨道内取样，通过
S1
2
芯片的数字模块转换成模拟分
布在不同道路的视频信号。仿真
流程图如图
6
所示。
当仿真系统启动
,
根据参数预案创建智能车的模拟场景
。然后系统进入一个循环以显
示和放置所有现场目标。在这个循环
,CMOS
相机实际上是采样虚拟智能车；然后采样数据
作为
函数调用参数进入了算法库。
在算
法库中，公认了道路的轨迹，同时计算了汽车的转向装置和驱动马达的数值。这
些结果都
被归还库用于模拟智能车动作和显示。
道路识别和其它算法可
以通过信号采样来测试。任何一种赛道比如曲线公路，十字路
口和斜坡公路都可以模拟，
同时智能车不仅可以通过软件控制，而且还可以用键盘控制。
各种各样的问题被检测出来
并解决，这样加快了道路识别算法的测试过程。实际的路面也
可以进行模拟，并通过提供
决策支持系统来发展视觉导航和自主驾驶。图
7
是仿真系统的<
/p>
模拟。
三维实时仿真技术现广泛应用于
测试智能车的道路识别算法。自从轨迹的仿真场景很
容易被定制，许多算法包括道路识别
算法可以进行全面试验，当实际道路不存在，潜在的
问题也可以被发现。
图
6.
资料处理的三维仿真模块
显示全部画面
系统终结
记录一帧
记录影像
其它算法
显示算法测试结果
稳定控制
电机控制
连接运算库
道路识别
循
环
CMOS
相机虚拟采样
设计智能车
初始化运算库
系统初始化
创建一个场景
图
7.
智能车和三维仿真调试
E
．
道路识别算法
道路识别是智能车主要
的引导系统。在仿真系统环境中，解释了基于智能车的一个有
效道路识别运算法则。跑道
是黑色的特征线铺在白色道路上
,
并在白色道路上，黑线平行<
/p>
于道路边界。任何道路形态，如直路、十字路和斜坡路都是适应的。智能车的目标是检测<
/p>
识别黑色特征线并使车高速跟随它。
我
们通过
CMOS
相机来处理大部分二维图像。动态临界值应用于
边缘提取，来消除道路
亮度变化的影响。灰度图像从底线扫描到顶线；每一行返回一个黑
点
,
（黑点）体现了（小
车）在轨道上
的位置。下一个黑点的位置在前一个黑点的范围之内，所以没有必要因为临
界值去对照线
上的每一个像素。流程图如图
8
所示。
该算法对仿真测试系统和智能车在真实路面上进行了测试。虽然在路面识别上并没有
复杂的计算；而然，智能车对于跟随黑色的特征行驶是非常快速和正确的。
< br>
模块进入
寻找阀门最近行
寻找黑点最近行
当前行
=
最近行
当前行
=0
当前行
--
测定最近行的
搜索范围
在范围内搜索黑点
处理科斯线
处理开始线
结束
图<
/p>
8.
智能车的路面识别算法
2.
结果
道
路识别系统应用于智能车上，解决了车辆道路识别和无人驾驶的功能。基于道路识
别监视
器、
3D
道路仿真和系统测试的电脑已经被应用于测试道路识别
算法。实验表明，在
这样的实验中，道路识别算法在道路识别和追踪上是令人满意的，同
时智能车的平均速度
能到达
2.3m/s
，如图
9
所示。
图
9.
安装
了
CMOS
相机的智能车
3.
展望
在
2002
年
,
宣布了达帕尔大挑战赛车比赛项目，比赛允许国际队伍采用完全自主的车
辆参加，并在崎岖不平的土路和无人居住的地方进行比赛。到目前为止这样的比赛已经成< p>
功的举办了六年。在比赛中，除了雷达和其它传感器，数码相机被广泛应用。虽然，在任< p>
意恶劣的环境中能安全行驶的目标并未达成，但是安装摄像机用于辅助驾驶是未来的趋
势。
自从我们的
3D
仿真系统能模拟道路表明的每个实物并使智能车能在上面行驶，因此对
研究智能车在道路辨识职能的改良，以及为发展提供支持。