基于摄像头的小车路径识别及速度控制研究

1、毕业论文（设计）论文题目：基于摄像头的小车路径识别及速度控制研究学生姓名：吴亚军学 号：0908050140所在院系：电气信息工程学院专业名称：电子信息科学与技术届 次：2013届指导教师：陈帅淮南师范学院本科毕业论文（设计）诚信承诺书1. 本人郑重承诺：所呈交的毕业论文（设计），题目 是本人在指导教师指导下独立完成的，没有弄虚作假，没有抄袭、剽窃别人的内容；2.毕业论文（设计）所使用的相关资料、数据、观点等均真实可靠，文中所有引用的他人观点、材料、数据、图表均已注释说明来源；3. 毕业论文（设计）中无抄袭、剽窃或不正当引用他人学术观点、思想和学术成果，伪造、篡改数据的情况； 4.本人已被告知

2、并清楚：学院对毕业论文（设计）中的抄袭、剽窃、弄虚作假等违反学术规范的行为将严肃处理，并可能导致毕业论文（设计）成绩不合格，无法正常毕业、取消学士学位资格或注销并追回已发放的毕业证书、学士学位证书等严重后果； 5.若在省教育厅、学院组织的毕业论文（设计）检查、评比中，被发现有抄袭、剽窃、弄虚作假等违反学术规范的行为，本人愿意接受学院按有关规定给予的处理，并承担相应责任。 学生（签名）： 日期： 年 月 日目 录前言21 飞思卡尔及论文概述21.1 飞思卡尔竞赛简介21.2 论文概述32 摄像头的选型32.1 cmos和ccd摄像头32.2 cmos与ccd摄像头对智能车的影响42.3 摄像头小

3、结63 图像采集与处理63.1 摄像头工作原理63.2 图像采集83.3 图像二值化84 控制算法及pid134.1 模糊算法134.2 记忆算法134.3 pid算法145 智能车整体控制策略185.1 路径识别185.2 pid闭环控制215.3 整体控制流程22结束语22参考文献23淮南师范学院2013届本科毕业论文基于摄像头的小车路径识别及速度控制研究学生：吴亚军(指导教师：陈帅)(淮南师范学院电气信息工程学院)摘 要:本文详细介绍基于摄像头的智能车路径识别，以及速度控制策略的相关研究。摄像头分为数字摄像头和模拟摄像头，控制策略有经典pid控制算法、模糊算法、棒棒控制思想等。本文从赛道

4、信息采集、图像处理、电机控制及信息反馈到各种算法控制，详细研究了各种方案，为使智能车在赛场上达到最好的效果，实现最大的程序优化，综合各方面利弊，给出一套相对有利于智能车各方面性能的策略方案。从而促使智能车能根据不同形状的赛道予以相应的控制策略，达到最大速度，稳定的完成赛道的行驶。关键词：摄像头；智能车；pid控制算法；赛道car path recognition based on camera and speed controlstudent: wu yajun(faculty adviser：chen shuai)(college of electrical and information

5、engineering, huainan normal university)abstract: this paper introduced based on the intelligent of camera car path identification, and speed control strategy of related research in detail. cameras into the digital camera and analog cameras, the control strategy has the classic pid control algorithm,

6、 fuzzy algorithm, the bang-bang control thought, etc. from the track information collection, image processing, motor control and information feedback to all kinds of control algorithm,this article detailed research the various options, in order to make smart car on the field to achieve the best effe

7、ct, achieve the largest program optimization, integrated all aspects of advantages and disadvantages, given a set of intelligent car has been relatively beneficial to various aspects performance strategy plan. according to the different shapes of the circuit ,prompting the smart car can to the corre

8、sponding control strategy, achieve maximum speed, stable to complete the circuit.keywords: camera; the smart car ; pid control algorithm ; track前言今天这个时代，整个半导体技术行业蓬勃发展，其中电子技术在汽车行业中更是得到广泛应用，汽车电子化是该行业的必然发展趋势。汽车电子化是汽车技术发展进程中的一场革命，汽车电子化的程度被看作是现代汽车水平的重要标志，是用来开发新模式，提高车辆性能的一项重要的技术措施。越来越多的汽车制造商开始关注汽车电子设备，他们认

9、为促进汽车电子化是占领未来汽车市场重要手段。汽车电子技术正在不断向控制系统化推进，其中电子控制装置，包含了发动机控制系统，底盘控制系统和汽车电子控制系统。智能车辆，拥有环境感知，规划决策，自动导航等多项功能的一个智能化控制系统，其主要应用于自动控制、模式识别、传感器技术，汽车电子技术，电气电力，计算机，机械等方面，是拥有复杂的高新技术，具有极其重要的军事和民用价值1。目前，在特定的一些道路上，智能车已能为我们驾驶人员提供一系列的辅助操作，甚至能够达到无人驾驶的程度。智能车通常会根据道路的标记来识别道路状况，模拟人工驾驶进行一系列的操作及应急措施，这一系列的功能都在gps、辅助定位系统及其他高新

10、技术的帮助下完成的。智能车有着极为广泛的应用前景。结合传感器技术和自动驾驶技术可以实现汽车的自适应巡航，且能够保证车开得又快又稳、安全可靠；如果汽车夜间行驶时，装上红外摄像头及一些传感器技术，它就能很好的保证夜晚汽车的安全行驶；当然智能车也可以应用于工厂、仓库及一些危险、不适合人类工作的环境中，除此它也能担当巡逻监视、消防安全、材料运输等等人们的工作，以及人们无法担任的工作。在家庭汽车消费中，智能车的研发也是具有很大应用价值的，比如雾天能见度差，人工驾驶经常发生交通事故，如果在我们车上装备这种设备，激光雷达会自动探测前方的障碍物，探测汽车周围环境是否安全，从而电脑会控制车辆的行驶，保证撞车这类

11、事故不会发生。由此可见，在交通管理方面，智能汽车也有着很大的发展前景。为此，相信智能车会得到很快很好的发展。1 飞思卡尔及论文概述1.1 飞思卡尔竞赛简介全国大学生智能车竞赛是以智能汽车为研究对象的创意性科技竞赛，是面向全国各大高校大学生的一种具有竞争性、探索性工程实践活动。飞思卡尔竞赛以“立足培养，重在参与，鼓励探索，追求卓越”为指导思想，以培养大学生的综合知识应用能力、实践动手能力及不断创新意识，促进高校素质教育为宗旨，从而达到激发高校大学生从事科学研究与探索的兴趣和潜能的目的2。因此，飞思卡尔竞赛是一项综合性强，从事汽车电子研究，由教育部承办的大学生竞技比赛，且是自动控制、模式识别、传感

12、、电子、电气、计算机和机械等多个学科交叉的科技创意性比赛。1.2 论文概述由于本人参加第七届飞思卡尔竞赛选用摄像头为cmos摄像头0v7620，ov7620是ntsc制式的数字摄像头，每秒30帧，一帧两场，且主控芯片为16位飞思卡尔单片机mc9s12xs128，其内部总线频率最高为40m，拥有128k的flash存储器和8k的ram存储器。故本文主要以ov7620摄像头和xs128芯片为基础，对摄像头选型、图像采集与处理、控制算法三方面，对摄像头智能车的路径识别及速度控制展开论述。2 摄像头的选型2.1 cmos和ccd摄像头根据其原理不同摄像头主要分为两种：ccd摄像头、cmos摄像头，即模

13、拟摄像头和数字摄像头。比较ccd和cmos的结构，其最大的区别是adc的位置和数量。简单地说，每一次的ccd曝光，是在快门像素传递过程结束，将每个像素的线（像素）的电荷信号依次传入“缓冲器”中，先由底部路径引导输出到ccd的放大器放大，再串联adc输出系列adc相对于在cmos输出；而在cmos的设计中，每个像素则是直接与adc连接，信号直接放大并转换成数字信号3。ccd与cmos的优缺点比较如下表2.1：ccd在传输时，能够保持信号不失真（专属通道设计），先使每一个像素集中到放大器上再统一处理，从而保持资料的完整性；cmos的制作则较简单，没有专属通道的设计，而是先行放大再整合各个像素的资料

14、。总而言之，ccd和cmos两种不同的设计，主要表现在成像效果上的不同，形成了iso感光度、制造成本、解析度、噪点与耗电量等不同方面的差别；表2.1 ccd与cmos优缺点比较特点ccdcmos成本成本高cmos整合集成，成本低解析度解析度高低，新技术高噪点比单一放大，噪点低百万放大，噪点高功耗比外加电压，功耗高直接放大，功耗低灵敏度同样面积下高灵敏度低2.2 cmos与ccd摄像头对智能车的影响2.2.1 重量和体积 图片摘自淘宝网图2.2 coms摄像头 图2.3 ccd摄像头上图中，左边是cmos摄像头，右边的是ccd摄像头。很明显，cmos体积可以做到非常小，而ccd，因为存在复杂的驱

15、动电路，pcb面积至少需要4cm*4cm的空间。重量上，因为体积和远见数量的区别，cmos摄像头也优于ccd，大约有30%-50%的重量差别。这个重量的差异，随摄像头安装的位置的不同而对整个赛车的稳定性有不同的影响。摄像头安装的位置越高，摄像头重量对赛车重心的影响越高。好在目前的趋势看来，摄像头的安装高度越来越低，以至于这种重量的区别对赛车重心的影响也随之减小。2.2.2 噪声在图像噪声方面，ccd明显好于cmos摄像头。这一点是这两种技术本身先天决定的，cmos的工艺无法保证几万个感光点的一致性，而ccd因为所有感光点均通过一个电荷-电压转换器，一致性可以得到很好的保障。图像的噪声，在智能车

16、比赛中，影响不是特别大。因为拍摄图像只有全白全黑两种，来自传感器的电平轻微跳动，还不至于影响到赛道的识别。同时在一个设计不良的采集电路中，来自a/d模块的误差，也足以掩盖来自传感器的误差噪声，这一点却没有引起很多人的重视。因此，我认为图像传感器的噪声不足以影响智能车比赛中对黑线的识别，因此可以在摄像头选型时，作为优先级较低的一个参考标准。而在其他需要高分辨率图像采集和识别的应用中，两种传感器的图像质量差别，还是需要引起一定的重视的。2.2.3 解析度针对智能车使用单片机对图像型号进行采集的应用，解析度的高低直接关系到采集的难度。我们知道，标准的视频信号每秒有50或60场图像，这是固定不变的。越

17、高的分辨率，包含了越多的行数。即在20ms的时间内，有更多的行数，以至于每行图像所占用的时间越少。一个30万像素的摄像头，每一场输出312.5行图像，行周期为64us。我们希望采集的分辨率越高，就需要在64us的时间内采样更多的点数。这就需要更快的a/d转换器，例如片外高速视频a/d。既然单片机的速度远远跟不上视频信号的速度，那么选用越低分辨率的摄像头，图像采集的效果反而越好，因为每行图像有更多的时间留给mcu进行采集。目前能买到的摄像头中，30万像素的是最佳选择，而130万像素就不适合了。2.2.4 感光度感光度的差别，在智能车应用中非常重要，这一点是我第一次公开提出。感光度，就是对光线的敏

18、感程度。感光度越高，其在较低光照条件下能获得越明亮的图像，也直接决定了感光器件拍摄图像的曝光时间长度。ccd的感光度大约是cmos的3-10倍1，这时在同样的光照条件下，要拍摄同样亮度的图像，cmos的曝光时间将会是ccd的3-10倍。随着车速的不断提高，这一点越来越影响到智能车竞赛中摄像头小车的性能。我们知道，拍照时手不能抖这个道理，抖了画面就糊了。这个简单的常识在智能车中同样适用。在高速下，曝光时间越短，所拍摄的画面越清晰，曝光时间越长，拖影越严重，画面越模糊。根据这个原理，同样光照条件下，ccd在高速运动下拍摄的画面效果要比cmos高一个等级。这对于目前每秒前进4米的模型车而言，是至关重

19、要的。2.2.5 电能和功耗影响ccd在嵌入式中应用的一个重要原因，就是供电和功耗。首先，ccd需要12v供电，对智能车竞赛而言，这就意味着需要额外给ccd设置一个升压电路。这意味着成本和体积的增加。还好，越来越多的队伍在智能车电机驱动部分开始采用mos管驱动的方式，而mos管栅极电压很多都需要12v，因此两路电源合二为一，提高了电源的利用率。不能否认，ccd确实是耗电大户，工作时散发的热量足以烫手。对于电池供电的系统来说，每一点电能的节约都至关重要。从节能角度来说，ccd真的有点不适合，随着技术的发展，目前ccd单板机需要的电流已经从开始的150ma降到了现在的50ma，但是别忘记，ccd的

20、供电是12v，这么看来，功耗依然很大。而cmos在这方面大出风头，5v供电和微功耗，足以让ccd汗颜。2.3 摄像头小结从上面分析可以知道：成像质量普遍认为ccd要好过cmos，ccd一般为50场/s，cmos一般为60场/s，这就要意味着速度和质量是个抉择；cmos的供电方便为5v，而ccd为12v；以及其它几方面，ccd和cmos各有春秋，不能武断的说谁比谁好。对于摄像头的选型，应该从本文提出的几个方面进行综合考虑，与自身情况相结合，选出最合适的方案，而没有哪个黄金定律说哪个绝对强于哪个。3 图像采集与处理3.1 摄像头工作原理摄像头分黑白和彩色两种，根据赛道特点可知，为达到寻线目的，只需

21、提取画面的灰度信息，而不必提取其色彩信息，且单片机的处理能力不足以支持像pc那样的运算能力，因此我们只能采用只有黑白制式单板摄像头。摄像头结构包含镜头、图像传感芯片和外围电路，其中图像传感芯片是其核心部件，但该芯片还要与合适的外围电路才能正常工作。把芯片和外围电路制作在一起，并焊接在电路板上，我们称之为“单板”。平常我们所见的摄像头，都是在单板上再安装镜头、外壳以及引线等部件。单板一般有三个端子，我们称之为电源接口、地接口和视频信号端口（有的还多一个端子音频信号端口）。而单板的供电电压要根据具体的单板情况而定，一般有两种规格，69v和912v。视频信号的电压一般处于0.5v2v之间4。本人第七

22、届比赛选用摄像头为ov7620，图像信号为数字信号输出，单片机io直接捕获即可，其分辨率为640480，处理频率60hz，其主要工作原理是：根据一定的分辨率，以隔行扫描方式扫描图像上的每一点上，当扫描到某一点时，就通过影像感测芯片将该点的灰度值变换为与灰度值成一一对应关系的电压值，最后通过电压输出端输出整副图像的电压值。 图片取自ov7620 datasheet图3.1 摄像头视频信号摄像头视频信号如图3.1，当摄像头连续地扫描图像上的一行时，则输出的就是一段连续的电压信号，所以图像的灰度变化情况反映在该电压信号的高低起伏上。当扫描一行结束后，该视频信号输出端电平输出低于最小视频信号电压（如为

23、0.3v），并保持一段时间。即是说，每行图像输出电压信号之后，都会产生电压“凹槽”，该“凹槽”称之为行同步脉冲，它是作为扫描换行的标志。然后，跳过一行，开始新一行的扫描，依次扫描下去，直到扫描完整场的视频信号，最好会有一段场消隐区。这区中有多个复合消隐脉冲（称为消隐脉冲），在消隐脉冲中，有一个场同步脉冲，这是扫描换场的标志，此脉冲宽度要远比其他消隐脉冲宽的多。场同步脉冲标志着新的一场的来临，然而，场消隐区是在上一场开始的结束和下一场的开始部分，所以必须等场消隐区过去，下一场的视频信号才会真正到来5。摄像头每60秒扫描50幅图像，每幅图像又分为奇、偶场，先奇场后偶场，因此每秒扫描50场图像。奇数

24、行在奇场时扫描，偶场时则只扫描图像中的偶数行。分辨率和有效像素，是摄像头的两个极其重要的指标。实际上，分辨率就是每场行同步脉冲数，这是由于行同步脉冲数越多，则对每场图像扫描的行数也越多。实际上，分辨率其实所反映出的是摄像头的纵向分辨能力。有效像素常以表示为“320x240”，其中前一个数值（320）表示单行视频信号的精细程度，即行分辨能力；后一个数值（240）表示为分辨率，故有效像素=行分辨能力分辨率。3.2 图像采集（1）场同步信号采用下降沿捕捉。当场同步信号来临时，产生中断信号，进入场中断子程序，开始采集新的一场的视频信号。（2）行同步信号采用上升沿捕捉。当行同步信号来临时，产生中断信号，

25、进入行中断子程序，采集本行的视频信号。（3）在采集视频信号的过程中注意把握好采集时间，超时的话就会采集到消隐区，此时采集的信号是无效的。（4）由于摄像头会产生梯形失真，为了在垂直方向上校正这种失真，我们采用了非均行采集这种办法来保证采集得到的图像和原始图像相对无畸变。3.3 图像二值化数字图像处理技术中的一项基本技术就是图像二值化，且整个智能车行驶环境就是由黑色和白色两种颜色组成的赛道，并且底板颜色是以白色为主，智能车的任务就是辨别出赛道中黑色引导线的位置，由于其整个智能车行驶的过程中，图像的干扰是很小，因此我们可以采用图像二值化作为整个行驶过程的图像预处理技术。经过二值化处理后将原来白色的像

26、素点用“1”表示，而黑色像素点用“0”表示，反之亦可。根据阈值选取的不同，二值化的算法分为固定阈值和自适应阈值。比较常用的二值化方法则有：双峰法、迭代法、大津法和灰度拉伸法等。图3.2为二值化后的图像：图3.2 二值化图像3.3.1 直方图双峰法直方图双峰法是典型的全局单阈值分割方法。当灰度直方图出现双峰时，我们就可以采用两峰之间底部对应的灰度值作为阈值。如果可以选取一个合理的灰度值，作为整副图像背景的灰度值的话，那么，选择一个正确的全局阈值，将会达到很好的分割效果。该方法的基本思想是：假设图像中有明显的目标和背景，则其灰度直方图呈双峰分布，如图3.3所示。亮暗p图像灰度直方图z1ziztzk

27、zj背景目标图3.3 图像的灰度直方图实际上，黑线和白线的亮度都是相对比较固定的，一般黑色部分的灰度值在20以下（灰度值最大为255），而白色部分的亮度值则在200以上，故区分黑线和白线的灰度值有较大的梯度。所以，我们可以在实际的运行中采用直方图统计法对其阀值进行设定，其方法如下：1）首先读入原始图像；2）对原始图片进行判断是否是灰度图，如果是，则输出直方图，否则，转化为灰度图，然后输出直方图；3）根据输出直方图判断阈值进行分割，输出分割结果。直方图统计法能够直接地划分出灰度值集中的区域，以两个波峰的中心位置的灰度值作为该赛道的二值化阀值。该算法精度高，能够找到理想阈值，虽然它的执行时间较长，

28、但这是在赛车起跑之前的初始化操作中运算的，故对赛车的速度没有影响。3.3.2 迭代法迭代法是根据极限逼近的思想进行设计的，其方法如下6：（1）先求出整副图象的最小灰度值以及最大灰度值，分别记为min和max，使最初阈值k=(max+min)/2；（2）根据阈值k，把整副图象分割为前景与背景，再分别求出两者的平均灰度值z1和z2；最后求出新的阈值k1=(z1+z2)/2；（3）若k=k1，则计算出来的k值即为阈值；否则转向第二步骤，进行迭代计算。通过迭代的方法得出阈值，用来分割图象，区分度很明显。虽然迭代方法计算的阈值能够区别出整副图像的前景和背景的主要区域位置，但不能很好的区分图像的细微之处。

29、3.3.3 大津法在1979年，大津法被提出。其具体方法为：对于一副图像，首先假设一个t值作为前景与背景的分割阈值，再计算出前景与背景点数占图像中的比例分别记为w0和w1，以及平均灰度值分别记为u0和u1。整副图像的总平均灰度值为：u=w0*u0+w1*u1。然后通过逐渐增大t值，当某一t值使得g=w0*(u0-u)2+w1*(u1-u)2最大时，此时t值，我们称为最佳分割阈值7。方差是衡量的灰度分布均匀性的标尺，若方差值较大，则构成的图像的两部分差异较大。在部分目标错认为背景或部分背景错认为目标时，都会导致两部分差变小，故只有当错分概率最小时，才会达到类间方差最大的分割。直接应用大津法计算量

30、较大，因此我们在实现时采用了等价的公式g=w0*w1*(u0-u1)2。3.3.4 二值化小结由于要考虑到图像采集的速度和准确度。迭代所得的阈值分割的图象效果良好。基于迭代的阈值能区分出图像的前景和背景的主要区域所在，但在图像的细微处还没有很好的区分度。而对于大津法，其运算量大，影响速度，且大津法有一个致命缺陷，就是目标与背景的灰度差异不明显，会导致出现大块黑色区域，从而会丢失整副图像信息。经过各种方案对比，最终选择双峰法，这种方法不仅满足对图像处理精度的要求，而且满足对速度的要求。3.4 图像去噪人们根据实际图像的特点以及噪声的特性逐步提出了各种的去噪方法，一般常用的有时域和频域两种方法，但

31、是归根到底是利用噪声和信号在频域上分布的不同进行的。常用的图像去噪算法有均值滤波、中值滤波以及基于小波变换的图像去噪。3.4.1 均值滤波均值滤波又叫邻域平均法，它是一种局部空间域处理的算法。设一幅图像为的阵列，处理后的图像为，它的每个像素的灰度级由包含领域的几个像素的灰度级的平均值所决定，即用公式（3-1）得到处理后的图像： (3-1)式中；s是以点为中心的邻域的集合，m是s内坐标总数。均值滤波法的处理效果与所用的邻域半径息息相关。半径越大，图像模糊程度越大。此外，均值滤波法算法较为简单，计算速度快。但均值滤波法在降低噪声的同时，也使图像产生模糊，特别在边缘和细节处，邻域越大，模越厉害。3.

32、4.2 中值滤波中值滤波是一种非线性滤波，因为它不需要图像的统计特征，在实际操作过程中，这样会更方便。中值滤波首先是用于一维信号处理技术，后来发展广泛应用与二维图像信号处理技术中。在一定的条件下，可以避免由线性滤波器所产生的图像细节模糊问题，且对滤除脉冲干扰及图像扫描噪声能达到很好的效果。但相对于一些点、线、尖顶细节多的图像，不适合选用中值滤波方法8。把数字序列或数字图像中一点的值，使用该点的某个邻域中各点值的中值代替是中值滤波基本原理。现有一个一维序列f1，f2.fm，设其窗口长度为m(m为奇数)，对此一维序列进行中值滤波，既是从该输入序列中相继抽出m个数，其中为窗口的中心位置，再将这m个点

33、按其数值大小排列，取其序号为正中间的那作为出。用数学公式（3-2）表示为: 其中 （3-2）中值滤波的效果依赖于领域的空间范围以及中值计算中涉及到的像素数，其特点是很好地对图像进行平滑处理，较好的保留了图像的细节和边缘，使图像变的比较清晰。3.4.5 小波去噪小波去噪的方法有多种方法可以实现。总的来说主要分为三大类，包含模极大值检测法，阈值去噪法和屏蔽(相关)去噪法。而其中最常用的小波去噪方法，既是阈值法去噪，本次设计研究主要探索阈值去噪的方法。小波去噪的基本思路：（1）.先对含噪信号做小波变换，得到一组小波系数；（2）.通过对进行阈值处理，得到估计系数，使得与两者的差值尽可能小；（3）.利用

34、进行小波重构，最后得到我们需要的去噪后信号；一种由donoho提出的对小波系数估算的方法，简洁、易懂9。通过对进行几次小波分解后，就会得到空间分布不均匀信号，相应的原是信号的奇变位置上的小波系数的值较大，而其他一些位置的值相对较小。在每个尺度的小波系数的信号不均匀的分布在一定的位置有重要的价值，从原始信号的重要信息和相应的奇点的位置，和大多数其他的位置是小；为白噪声，这相当于在每个尺度的小波系数分布是均匀的，并随着规模的增加，降低的幅度系数。而白噪声对应的小波系数，在均匀的分布在每个尺度上，且随尺度的不断增加，系数的幅值也在减小。因此，通常的去噪方法是找到一个合适的数值作为阈值，把小于的小波函

35、数（主要由信号引起的），设置为零，对于大于的小波函数（主要由信号引起的），我们就将其保留，进行收缩，从而获得估计的小波系数，它是由信号引起的，然后对进行重构，就获得了原始信号。小波系数估计的方法如下公式（3-3），取：定义： （3-3）称之为硬阈值估计方法。而软阈值估计法定义为公式（3-4）： （3-4）（4）.综上所述基于空域的平均滤波法和非线性的中值滤波都是通过对图像像素的灰度值进行运算，从而达到平滑图像的效果。中值滤波是以点邻域像素灰度值中值来代替该点的灰度值，而平均滤波则是使用点邻域像素灰度值的平均值来代替该点的灰度值，故中值滤波器抑制随机噪声的能力低于均值滤波器。但对于脉冲干扰，尤其

36、是对于脉冲宽度小于滤波器窗口宽度一半的脉冲干扰，中值滤波是非常有效的。然而，它们也可能在图像平滑处理的时候，使图像模糊轮廓变得模糊，两者的噪声平滑效果都和窗口的宽度有关，窗口宽度越宽，则会得到更好的噪声平滑效果，但图像则会越模糊。这一问题，是均值滤波和中值滤波的致命缺陷。3.4.5 去噪方法小结从上述的几种去噪方法可以看出都有一定的去噪效果，但是都有局限性，实际上，不管那种去噪方法对噪声的抑制有多好，它都不能完全的去除图像中的噪声。所以我们应该不断地改进去噪方法的技术，比如在实际应用中经常将几种去噪方法结合起来使用。4 控制算法及pid要想使小车快速平稳并且准确的在赛道行驶，除了各种传感器收集

37、赛道信息，离不开cpu对信息的筛选处理，这些过程都需要合适的算法的支持。4.1 模糊算法模糊逻辑控制被称为模糊控制，是基于模糊集合论、模糊语言变量和模糊逻辑推理的一种计算机数字控制技术。模糊控制本质是一种非线性控制，它归属于智能控制领域，模糊控制的最大特色是不仅有系统的理论，也有着大量实际应用背景，其基本思想是利用计算机来实现人的控制经验，且这些控制经验大多是通过语言表达出来的，具有相当的模糊性10。4.2 记忆算法记忆算法是另外一种新发展的算法，有着广阔的发展空间，实现起来也有较大的难度。记忆算法的基本方法是:在第一圈以最安全的速度慢速驶过一圈，将赛道的信息保存下来，第二圈根据保存下来的信息

38、进行车速和转向控制策略的最优化，从而在第二圈达到更快更稳11。一般要想实现赛道记忆算法，必须拥有以下几大前提：1第一圈，智能车需要安全行驶完。在第一圈的行驶中，赛车的主要目的是采集赛道状况信息。一般采用赛道记忆算法的智能车，在第一圈的行驶过程中，都会采用比较缓慢的速度匀速跑完全程。2智能车必须能明确区别赛道起跑线和十字交叉线的不同。3必须保证智能车拥有足够的内存，这部分内存需要记录上一圈的行驶数据。因为单片机的ram容量很有限，所以我们的算法研究者必须对算法进行优化处理，从而节省智能车的内存空间。4在跑一圈时，赛车需立刻对当前赛道采集到的数据进行处理，避免在下一圈行驶时还在进行上一圈数据处理，

39、而对赛车的控制实时性产生不好的影响12。4.3 pid算法pid控制算法思路：该算法结构简单、鲁棒性强，是自动控制领域中广泛采用的一种控制方法。常规的pid控制算法有三种控制参数组成，即比例、积分和微分。pid各个参数作用基本介绍：增大微分项系数可以加快动态系统响应，但容易引起震荡。一般增大比例系数能够减小上升时间，但不能消除稳态误差。增大积分系数能够消除稳态误差，但会使瞬时响应变差。增大微分系数能够增强系统的稳定特性，减小超调，并且改善瞬时响应13。图4.1所示为模拟pid控制系统的原理框图。被测量y与给定值r比较形成偏差e，控制器以e为输入，按一定的控制规律形成控制量u，通过执行机构完成对

40、被控对象的控制，最终使得被控量y运行在给定值r。控制器执行机构被控对象检测装置reuy图4.1 pid控制系统原理图pid调节是proportional(比例)、integral(积分)、differential(微分)三者的缩写。连续控制系统理想pid控制规律为公式（4-1）： （4-1）式中比例增益，与比例度成倒数关系，即：；积分时间；微分时间；pid调节器的输出信号；给定值与测量值之差（即）；1）比例调节器比例调节器的微分方程为：y=kpe(t)，式中：y为调节器输出；kp为比例系数；e(t)为调节器输入偏差；由上式可以看出，调节器的输出与输入偏差成正比。因此，只要偏差出现，就能及时地产

41、生与之成比例的调节作用，具有调节及时的特点。比例调节器的特性曲线如图4.2所示：图4.2 比例调节器特性曲线2）比例积分调节器若调节器的输入和输出偏差的积分成比例的话，我们称之为积分作用。比例积分方程为公式（4-2）： （4-2）式中：表示时间常数，代表单位时间内积分的倒数，越小，积分速度越快，积分作用越强。比例积分作用的响应特性曲线如图4.3所示：图4.3 积分作用响应曲线若将比例和积分两种作用结合起来，就构成pi调节器，调节规律为公式（4-3）： （4-3）pi调节器的输出特性曲线如图4.4所示：图4.4 pi调节器的输出特性曲线1）比例微分调节器微分调节器的微分方程为公式（4-4）： （

42、4-4）微分作用的响应特性曲线如图4.5所示：图4.5 微分作用响应曲线2）比例积分微分调节器为了进一步改善调节品质，往往把比例、积分、微分三种作用组合起来，形成pid调节器。理想的pid微分方程为公式（4-5）： （4-5）下图为pid调节器对阶跃响应特性曲线图：图4.6 pid调节器对阶跃响应特性曲线图4.3.1 位置型pid控制算式第n次采样计算机的输出值为公式（4-6）： （4-6）式中第n次采样时计算机输出值；第n次采样时的偏差值，;4.3.2 增量型pid控制算式第(n-1)次采样的控制公式为（4-7）14： （4-7）两次采样计算机输出的增量为公式（4-8）： （4-8）式中ki

43、积分系数，；kd微分系数，；4.3.3 pid调节经验总结一般pid控制器参数调节的方法会有很多，而试凑法、临界比例度法、扩充临界比例度法等方法使我们最常用的15。对于pid控制，参数的选择是一个非常复杂的工作，需要不断调整修正，我们才可能得到满意的控制效果。在总结经验的基础上，确定pid参数的步骤一般如下17：(1)比例系数kp的确定确定比例系数kp时，首先排除积分和微分项，可使ti = 0，td = 0，使它成为一个纯比例控制调节。输入设定为系统允许输出最大值的6070，再由0开始不断提高比例系数kp，直至系统振荡；然后反过来，再逐渐减小比例系数kp，直至系统振荡消失。把此时的比例系数kp

44、记录下来，把当前值的60% 70%记为pid的比例调节系数。(2)积分时间常数ti的确定在确定比例系数kp，设置一个大的积分时间常数ti，逐渐减小ti，直至系统振荡，再依次增加ti，直至系统振荡消失。记下此时ti的值，pid积分时间常数就取当前ti值的150% 180%。（3）确定微分时间常数td微分时间常数td一般不设置，取0即可，此时，pid调节转换为pi调节。如果你需要设置td，可以使用kp的测定方法，其值取不振荡时的30%。(4)系统空载、带载联调对pid参数进行细微调节，直到我们的设计需求。5 智能车整体控制策略5.1 路径识别为使小车能够根据实时路况来行驶，达到最大的稳定速度，则需

45、要根据已获得的赛道信息来进行路径判断，从而控制小车的运动速度、转向、舵机的转角等参数。为此，我们设定line_able这参数为效行，有效行能反映智能车前方黑线的长度，是设定速度及路况判断最首要的参数特征。根据line_able参数，大致将赛道分为以下类型:直道：有效行line_able几乎为全满(40行),并且上下半幅图像的斜率差的绝对值很小.判断为直道类型后，应设法使赛车全速跑直。如下图：图5.1 用labview捕捉的直道特征小s：有效行line_able几乎为全满行(40行),但有明显扭动，判断为小s后，应设法使赛车按照直道类型的方式全速跑直。对于摄像头组而言，针对小s的处理尤为重要。如

46、下图：图5.2 用labview捕捉的小s特征入弯：有效行line_able相对较多，图像下半部分类似直道而上半部分有明显的急弯特征。判断为入弯类型后，应设法使赛车减速转弯，正是有了入弯这一赛道类型，赛车才能实现由直道到急弯的速度及方向缓冲，平稳快速过弯。当然，还可根据line_able的具体数值以及slop1* slop2的正负将入弯进一步细分，以便区分出不同的曲率。如下图：图5.3 用labview捕捉的入弯特征大s：有效行line_able相对较多,图像呈现明显的波浪缓弯。判断为大s后，应设法使赛车选择最优路径，而不是沿线寻迹。赛车总是沿大s内侧的内切s形路线行驶，大大节省时间。如下图：

47、图5.4 用labview捕捉的大s特征小c：为有效行line_able相对较少,图像表现出明显的急弯转向.判断为小c后，应设法加大赛车舵机偏转，保证其前轮转角足够大，实现安全过弯。如下图：图5.5 用labview捕捉的小c特征5.2 pid闭环控制为了使得智能车能够在赛道上平稳运行，且保证智能车能够在直道上全速行驶，以及在急转弯时不会因为速度过快而冲出跑道等，此时速度的pid闭环检测则起着至关重要的作用。我们可以通过pwm控制驱动电机上输出的平均电压从而控制车速，可以通过摄像头采集的图像经过cpu处理后，得到黑线的中心位置，再根据算法控制车速，但如果不是闭环控制车速，就不会有反馈信息，无法验证实际车速多少，无法达到真正的理想车速，且会有各方面因素影响小车的行驶16。因此，我们需要添加一个闭环控制，从而