《工程软件结课论》word版

1、摄像头赛道识别智能车嵌入式控制系统软件需规格说明书1 项目背景“飞思卡尔杯”智能汽车竞赛是全国高等学校自动化专业教学指导分委员会受国家教育部委托举办，目的是为加强对大学生的创新意识、实践能力、合作精神的培养。竞赛过程包括理论设计、实际制作、整车调试、现场比赛等环节，要求学生组成团队，协同工作，初步体会一个工程性的研究开发项目从设计到实现的全过程。该竞赛融科学性、趣味性和观赏性为一体，是以迅猛发展、前景广阔的汽车电子为背景，涵盖自动控制、模式识别、传感技术、电子、电气、计算机、机械与汽车等多学科专业的创意性比赛。第五届“飞思卡尔”智能汽车竞赛分三个组别，光电组、摄像头组和电磁组。2 项目目标项目

2、要求智能小车可以自己识别赛道，然后沿轨迹行驶，以速度最快为目标。即要求对数字图像识别与处理的快速性与准确性，还要求控制单元对赛车的转向和速度有良好的控制，从而达到赛车整体性能的最优化。3项目要求该系统以飞思卡尔公司的MC68S912DP256 为核心，由电源模块、CCD 传感器模块、直流电机驱动模块、转向电机控制模块、单片机模块等组成。智能车的工作模式是：CCD 传感器探测道路信息，转速传感器检测当前车速，电池电压监测检测电池电压，由计算机-单片机组成的上-下位机控制系统调整小车运行。通过控制算法对模型车发出控制命令，再由转向舵机和驱动电机对模型车的运动轨迹和速度进行实时控制。4总体设计赛车主

3、要包括赛道识别单元，中心处理单元，速度控制单元和方向控制单元和电源管理模块五个部分，系统框图如图1-1所示。其中赛道识单元别包含两个模块，由飞拓电子购买的OV7620集成模块作为赛道信息采集的主要模块，然后再利用5个红外对管实现对起跑线的检测。中心处理单元主要采用飞思卡尔公司的MC9S12XS128型号的16位单片机做为中心处理芯片，单片机最小系统为王盼宝师兄制作，板上集成MAX232 和LM1881芯片。速度控制单元包括动力提供模块和测速模块。动力提供模块为RS385S直流电机和王盼宝师兄提供的大功率达林顿管驱动模块，测速模块利用VER2.0模拟编码器，100线，加比较器每圈提供100个脉冲

4、。舵机为组委会提供的指定型号的舵机，6V供电，信号脉冲频率额定50赫兹。组委会指定电池额定电压7.2V，直接给直流电机供电，经变后得到6V和5V，其中6V为舵机供电，5V为其他模块供电。赛车的程序算法是整个比赛难点，速龙队的程序主要分为图像采集层、赛道提取层、赛道判断层和决策执行层四个层次。具体层次图如图1-2。图1-1 赛车整体框架图图1-2 赛车软件层次图摄像头组与其他参赛组相比，摄像头得到的信息量要大，处理起来也现对复杂。数字摄像头每秒能传送30帧的信息，模拟25帧左右。每场图像又可以分为奇偶场，那样数字每秒可得到60幅图像（奇场和偶场为重复赛道）。因此摄像头程序周期最小为15ms。软件

5、概要设计报告1 图像信息提取图像信息的提取包括图像的采集和采集后对黑线赛道信息的提取两个部分。图像信息提取是以后对赛道进行判断的基础。1.1图像采集OV7620通过模式设置可分奇偶场直接输出8位灰度值数字图像，其时序图如图4-1所示。图4-1 ov7620时序图其中VSYNC为场同步信号，HREF为行同步信号，PCLK为点同步。摄像头每场像素最高可达640480，而奇偶场则为640240。每一个点的输出时间为0.098us，每一行为62.5us。由于单片机的最高主频为40M，因此单片机不可能采集到每一个像素点信息。而其如果图像信息量过大，则后续的图像处理也会占用很多资源。最终选择抽样提取404

6、0的图像信息。分别将摄像头的VSYNC和HREF接到单片的INT1 和INT2，用中断的方法对图像进行抽样采集。为了更好的利用单片机资源，我们定义两个数组Data1和Data2，交替存储摄像头采到的数据。这样在中断采集一帧图像的同时就可以对上一帧图像进行处理，而不必占用下一帧图像采集的时间去处理上一帧图像。这样就需要一个数组管理程序DataConrtol。其流程图如图4-2。图4-2数组管理流程图场同步信号是每一场开始的信号，在场中断程序中要关闭场中断使能，打开行中断使能，并判断目前哪个数组处于非锁状态。场中断流程如图4-3所示。图4-3 场中断服务函数流程行同步信是每一行开始的信号。在行中断

7、信号到来之后，在行中断服务函数中对一行的数据进行采集。因为单片机本身速度较慢，不可能做到精确抽样，只是在中断函数中通过循环规定次数，采到自己所需要的点数。行中断服务函数的流程图如图4-4所示。图4-4 行中断服务函数流程图在赛道图像采集的过程中还必须考虑的一个问题是摄像头横放还是竖放的问题，也就是摄像头的每一行与赛道是平行性还是垂直的问题。如果多240*480个点全部采集则不存在这样的问题，但我们采用抽样，且为不均匀抽样，就必须考虑。在我们的抽样算法中，行抽样为均匀的，而每一行的点抽样则为非均匀的。若行与赛道垂直，则每一行点采集时从一侧到另一侧非均匀采样易导致黑线偏离抽样视野中心。而反过来则不

8、存在这样的问题，只是影响前瞻的距离。1.2 赛道黑线信息提取在不断的调试过程中，我们一共应用了三种赛道黑线提取的算法。GetBlackDots1，GetBlackDots2，GetBlackDots3，此外我们还对视野范围内赛道是否有界做出了判断BoundaryJudge。GetBlackDots1可称作轮询法（名字可能不太准确），即对一行图像所有点的灰度值与阈值进行比较，类似于二值化，但并不置0或置1。而是判断出此行共有几个黑色区域，最后一个黑色区域中像素点的个数，以及其左边界和右边界的像素点。算法流程图如图4-5。图4-5 轮询法流程图GetBlackDots2可称作边沿提取法，此算法建立

9、在第一种算法之上。若前一行数据只有一个黑色域，那么从与前一行左边界相邻的本行像素开始判断，分别判断相邻左右各五的像素查找本行的左边界，然后再查找右边界。算法流程图见图4-6。图4-6 边沿提取法流程图如果算法2能成功提取到左右边界则继续处理下一行，提取不到则对此行再次使用算法1。GetBlackDots3可称作中心追踪法，主要处理30到40行图像。因为到最后黑线变的很细，且其灰度值变大，有可能大于之前设定的阈值。中心追踪法就是在前一行黑线中心的基础上，在下一行与其相邻的7个像素中，选择灰度值最小的像素做为其中心。这种算法的另一个优点是可以有效的避免赛道外界的干扰。算法流程图如图4-7所示。图4

10、-7 中心追踪法流程图一帧图像为40*40像素，我们将40行数据首先分为两部分，1到30行为一部分，30行道40行为一部分。首先判断30到40行图像，判断赛道是否在这一区域为无界的，即一直到最后每行都有赛道存在。如果有界，则指处理1到30行的图像，无界在处理全部，具体的处理流程图如图4-8所示。经过如上的处理过程，我们能得出每行的基本状况，主要分为Well、Out、Right、Left、Polluted等几种情况。若为Well，还能得出黑线的左右边界，从而得出黑线的中心，以及中心值与图像中心20的偏差值。至此，赛道黑线信息提取的过程已经完成。图4-8 一帧图像处理流程2 路径判断将一帧赛道图像

11、分为几个区域，通过判断各个区域的不同特征，从而判断出目前赛道为直道、弯道、还是小S道等。我们将赛道按行分为三个区。1到20为第一区，20到30为第二区，30到40为第三区。由于近大远小，三个区所代表的实际赛道长度一次递增，所以赛道精确度减小。我们首先根据地3区判断赛道是否无界，若无界则表明赛道为直道或小S到，有界则标明赛道为弯道。分别求出一区和二区赛道的黑线中心的偏差值的平均值，若赛道无界则同时求出第三区的黑线中心的偏差值的平均值。然后再求出10到30像素赛道中心偏差值的方差，即看黑线的稳定度。若赛道无界，求出20到40像素赛道黑线中心、偏差值的方差。如此，分别根据赛道偏差平均值以及赛道的的方

12、差，判断赛道类型。具体判断过程见函数StageJudge。这个函数还需要不断的实际调试，效果才能达到最好。3控制策略本队的速度调节采用PID调节，方向控制采用PD调节，控制策略不是很复杂。根据不同的赛道情况，分配不同的速度和方向控制的偏差值。如在直道情况下，我们的速度标准值设为SpdPID1.Ref = Model.spdZ-intErr，其中Model.spdZ为较大的常量，而我们的方向参考值设为StrPID1.Err = ErrAverage1，以及第二区偏差值的均值为PID偏差值，第二区前瞻相对较远，可提前预判；在弯道情况下，我们的我们的速度标准值设为SpdPID1.Ref=Model.spdC -intErr，其中Mode