《基于视觉引导的智能车控制系统设计》由会员分享，可在线阅读，更多相关《基于视觉引导的智能车控制系统设计（9页珍藏版）》请在金锄头文库上搜索。
1、基于视觉引导的智能车控制系统设计摘要：本文主要是研究智能车辆的历史发展和视觉研究情况，在深入调研的基础生，针对智能车辆行驶上的若干关键技术开展系统化研究。第一分析智能车辆的系统体系结构，提出总设计方案，围绕着 MC9S12XS128，设计智能车控制系统的总设计平台，其中主要介绍的内容包括与信息输入、速度信息获得和底层输入等方面。针对实现中的问题提出各项处理方法，在理论指导的前提下，介绍智能车设计中国建立的路径跟踪预瞄控制过程，研究中更是提出 PID 速度控制和模糊转向控制组合方案，实地测试数据，然后选定各个参数环境，匹配具体的方案。关键词：视觉引导；智能车；控制系统最近今年，伴随着计算机、传感
2、器等相关领域的飞速发展，智能机器人已经从科幻走到现实，现在在人们的日常生活中占据重要地位，这其中较为典型的就是智能车辆的研究，在其研究中长足的发展是为了不逆转的趋势，很多研究成果以及作用于军事、科研和人们的日常生活中。关于智能车辆的研究可以以车辆为主，同时及环境探测和自主识别还有故障检测为主，主要的研究目的是为了提高汽车的安全性和舒适性，提供良好的人车交互界面，现在这项研究以及在智能交通系统内占据重要地位，是汽车产业发展的重要方向。1、智能车载总体控制系统的设计方案（1）控制系统体系结构构建智能车导航体系主要是针对智能车的各个模块开展的逻辑关系，通过理论开展分层体系，这样可以便于整个系统的分析
3、和理解设计。在确认智能车控系统以后，要形成整个系统设计思路，其中的要素有系统组成、功能划分和信息处理等几个初级方面。结合其中的各个要素，分析初步解决方案，以便于能够实现系统的整体设计流程。早期的智能车设计是主要运用的是递阶式的体惜结构，由于智能车的行动有一定的限制性，因而需要在循环往复中开展层级过程，也就是在该体惜下，系统作为一个单项的循环系统，融合视觉感知、路径规划等一些列功能，根据至上而下的分解以及执行器按照既定规则，包含智能推理到数值算法比较多彩，关键问题都要有着智能控制精度。但是在建立过程中需要有内部模型的支撑，所以要消耗大量的实践，同时规划建模具有齐极大的复杂性，导致执行输出与环境信
4、息之间出现很多延迟，因而系统的整体柔性有变化，可靠性方面不能达到既定的要求。在自然的环境下为了让高智能车有着较大的适应性原则，因而部分学者提出要运用包容式体系结构或者运用图示体系结构，这两项结构系统与 SMPA 系统相比较，主要的针对对象是各个子系统设计目标，同时运用并行的处理方式，系统传感器的输入与驱动器的输出，受到高强度响应速度的影响，逐步改善动态性能。但是在发展中要注意一点，就它的内部不需要建立全局的模型，由于实现过程中出现一些小的问题，比如具备的信息不能全面的反应整个全局发展状况，或者复杂的环境性，让各类判断失去决策性和整体考量性，最终让控制系统全面陷入了局部陷阱内。因而在基于两种体系
5、结构有点，产生的慎思和反应复合式体系框架结构，该结构的使用方式一方面要面对复杂的环境通过建模和决策提升整体的效应，另外一方面要运用反应时的行为，主要的针对的对象是过程中不能确定的动态响应能力，因而发展中有着较好的灵活性。（2）智能车导航系统的整体设计理念智能车控制系统在设计是要求底层根据视觉传感器和测速器等基层设置，实现实时采集路径信息和速度信息的工作状态，工作时上一层的控制信号要经过处理，同时要小于车的驱动部分，构成系统感知的控制层。这是系统构建的层级基层，也构成了系统硬件平台的实体，包含的部件有电源、信号输入，传感器（视觉传感器和测速传感器）等。决策层会处于控制器的最上层，通过统计数据建模
6、，建立预瞄控制方案，指导智能车的导航策略模式。在设计时需要注意协调层和决策层的控制部分在微型控制器中工作，协调层需要分析速度检测值，处理图像和算法，给底层的视觉信息提供有效的信息和图像提取模式，决策层能够更加这些信息辨识和判断各类信息。另外转化决策层的数据信息，这是给底层提供准确参考信息的关键，其中比较常见的方式是转向参数和速度参数，其中包含处理原始素质或者转化其他方面的工作流程，让工作状况更灵活多变。2、导航系统的底层设计（1）概述图像采集方式图像采集方式主要是根据图形的信息处理方式进行考量，图形信息的获取方式可以被看成是模拟式和数字式两类，传统的模拟式图形采集方式主要是以视频同步分离芯片为
7、主，其中比较常用的就是 LM1881，最开始是将摄像头输出复合视频信号进行分离，这样能够得到同步信号以及视频模拟信号，然后根据同步信号模拟视频信号通过二值化处理方式，通常需要有硬件支持，由于图像的分辨率主要能决定 A/D 的精度，因而需要选择速度和整体性匹配较高的图像系统。数字图像采集方式，这是基于 CMOS 图像传感器的方式直接输出并行数字信号，同时借助于时序信号特点，读取传感器的数字输出系统，但是在使用时可以规避出外部 A、D 处理方式，实验结束后才能发现方案性能指数开始去趋向稳定，能耗比较小，因而在硬件上面不需要设计与之同步的信号分离电路和升压电路，设计过程中结构很简单。尤其在软件设计上
8、面，需要按照时间顺序将外部数据连接到底层可读图像中，增大采集速度。（3）安装设置图像传感器从成像原理的角度考虑问题，图像传感器主要的工作内容是以芯片为核心，对外界进行感光设计，由于其自身识别能力的限定，所以在应用于车辆环境时，受到加速或者转弯等因素的影响会引发镜头晃动。安装是为了保障图像信息的全面性以及图像质量的稳定性，对图像传感器提出新的要求。第一，小车根据图形信息作出转弯判断，所以要求传回的图形信息是对称的，也就是要求安装时摄像头的位置居中。第二，传感器的加设高度和角度要有可调性，这样可以便于今后的调试和调整。另外，传感器最好选择固定材质的木棒，连接到车体的刚性部分，这样可以避免局部产生晃
9、动现象，影响整个车体的动态性能，也不会影响车的整体质量，境地小车在高速通行时传感器支架晃动带来的不理想图形信息，设计过程中提升其稳定性尤为重要。如果设计时将传感器的位置设置带 24cm 的高度，可以通过调整倾斜角和实验标定状况，采集到智能车体前行 5cm 到 110cm 左右的地方，并且去顶 6cm 到 100cm 的图像信息，这样可以方便识别路径信息。小车在运行中，受到机械结构的磨损影响，因而传感器的位置一定和当时的设定位置产生出入，导致算法出现偏差，实际操作中运用胶水固定各个结点，能够避免这一情况的产生。（4）速度信息获取智能车行驶在道路上，由于不能时刻检测路况信息，因而如果在设计时给出响
10、应速度，那么车的速度会受到机械构成原理等方面的影响，出现滞后的现象，因而设计过程中需要做好反馈和控制，现行的速度获取方式有测速发电机和发射式光电检测等方式。就测速发电机原理为例，主要是运用齿轮传动的方式，让发电机和驱动电机联系在一起开展工作，输出的电压转速是正比运行，通过换算形成实时转速，由于输出方式是模拟量，因而在做速度换算时，更需要进入 A/D 数据转换电路，但是这样实现起来略显复杂。反射式光电检测主要是在黑白两种不同物体的感光性不同，其中最具体的是在轮盘上布置黑白光条，转动时需要带动光条转动，根据光的园林，运用固定的光电传感器获取轮盘的转动状况，通过计算得到转速。3、视觉导航的路径识别系
11、统（1）视觉导航路径识别原理伴随着计算机视觉理论和图像理论处理技术的发展，视觉导航在智能车路径识别上面有着广泛应用，当前，视觉传感器在使用时都有着丰富的信息容量，并且成本比较低，同时发展模式是高智能发展方向，但是面对的问题是信息处理数据逐步加大，很多时候控制的实时性不能达到让人满意的状态。因而在复杂的环境中，可以借助现有的技术手段从图形中准确的将各个路径识别出来，并辅助控制系统，这是当前的研究重点。研究和设计中导航控制系统，主要是以路径信息识别为主的导航控制目标系统，借助于现代化的图形处理模式，形成低成本的控制要点，让整个视觉导航原理有较强的代表性，用以深入研究视觉导航的准确性和实时性，可以在
12、设计时规划处更好的深度研究方案。设计中，要求智能车可以完成对白底环境中的黑色引导线识别要素，因而图像的出发点在感知控制层的传入视觉图像信息要点，视觉传输中处理和分析图像中的不同要素点，解析出图像的路径和位置，实现提取导航车的关键性目标。原始图像是 320*240 大小的视觉图形信息灰度值，在数据存储上有一定的困，因而在进行处理时需要时间控制其实时性能，需要在做信息优化的基础上，运用二次采集方法，减少数据运算量。借助于二次采集，可以在每一帧图像中采集到比例适度的图像，其实要真正研究的就是议案到线在图像中的所处位置，在图像中为了将这部分提取出来，可以做图像的阀值分割处理，二值化图像灰度。但是在图像
13、采集时，如果不能清除周边杂音，会在采集过程中将噪音采集尽量，因而在图像中的反应是周围存在一些像素干扰点（可以被辨识成黑色） ，因而在研究中为了准确识别路径，就要干扰这些因素，尽量让图像没有更多的噪音。通过系列处理有害，就能够通过数据分析和计算出准确的导航信息。（2）图像发值分割实验过程中同样的光照，视觉传感器可以反应不同类型物体的亮度，主要的构成原因是由于光的反射作用。白色的板面反射度较高，所以多数情况下会出现反射光，但是与此同时黑色的浇带整体反射系数较小，因而两者之间的直观差别较大。现在路径的环境有着黑色和白色两种信息，如果在使用时取灰度值就能清晰的分辨出路径。从白板背景中提取出黑色的浇带线
14、，可以清楚的分辨出 8 位灰度图像。使用时为了进一步分析路径的推进位置，通过分析图像分割，将图像中的目标路径和背景分割开来。分割图像阀值的真正目的是让目标信息（主要就是路径信息）从背景中分割开来，二值化处理完成后，让其找到路径的边缘位置。中心思想是先要确定好中间阀值，然后让每一个图像的数据点都对应灰值点，两这对比，划分不同的像素数型，也就是对应好目标点和背景图像。由于白色背景对应的像素值较高，所以黑色路径对应的像素灰值就相应较低，阀值在这里就会变高，会引入暗背景噪音点，黑色路径就会变得更为边缘化，如果阀值定的越低，那么就容易在社交中忽略路径对应要点，这也在客观上影响路径的整体判断情况，在整个过
15、程中选定好阀值是设计的关键所在，并且也是因为这与图像分割有着相通之处。4、图像信息滤波和平滑（1）介绍滤波的方法图像滤波的方法主要是频率域和空间域两种，如果从频率域考虑问题，图像中的很多随机噪音在普通频谱中会集中在高频部分，设置低通滤波器就能减少相关噪音，其中比较常用的方法包括：巴特沃斯低通滤波器、理想圆形低通滤波器。在使用频率或者域滤波时，也要求正交变换下开展计算，但是这样会产生大量的计算量，对实时性有着较高的要求，多数情况下不被考虑使用。另外一种比较常见的方法是空间域滤波，主要的使用是借助图像的不同像素点做出相应的数据处理，比较常用的方法是线性平滑、非线性平滑等。使用过程中中值滤波去噪法和
16、均值滤波有相类似的地方，都是运用平滑技术的区域，主要的思想是在使用中选定区域中的数据做出整体的排序，选取数列中的中间值为主要的使用点，这是一种非线性的方法，因而在实际操作中，不需要先计算出区域的统计特性，便于计算。运用该方法，可以去除数据或者图形中随机的噪音以及脉冲干扰，由于结果的影响因素是区域中的各个像素要点决定的，因而该方法有着极大的特殊性，并且与周边相邻元素有着较大的差别值，不如均值滤波那么敏感，能够保留边缘信息。（2）图像滤波法的改进方略上一部分介绍了均值滤波和中值滤波的方法，其实这两个方法究其原因都是常见的空间滤波法，在设计是要确定好滤波区域范围，如果滤波的区域比较大，在理论上效果会好很多，但是需要考虑具备的细节抑制力增加情况，还要加大具体的计算量。这样可以减少控制系统的控制符合，提升系统处理的具体实效性。经过图像的采集以及阀值分割以后，可以了解到奥图像信息现在有二值化转化为黑白代表的二维数组，其中主要的离散元素有 0 或者 1，若使用过程中直接利用滤波法排序，那么就不能找到合适的中间值。因而使用过程中选择从原理角度
