摘要：智能循迹小车能够依据前端摄像头的输入图画辨认出路途状况，经过优化智能车的软硬件规划，能够确保其在不同环境下跋涉的快速性和准确性，本文以Kinetis60为中心处理器，完成了智能车途径检测、速度检测、数据传输模块、电机舵机驱动模块的规划与完成，并在此基础上提出了一种运用摄像头实时图画进行智能车循迹判别的办法，能够提取出准确的途径特征信息，实践证明该办法具有可行性。
跟着智能交通体系的广泛应用，智能车的体系操控也逐渐成为一项新式技能，该范畴涵盖了操控、模式辨认、传感技能、电子、电气、核算机、机械等多个学科。本方案选用摄像头作为信号收集的传感器，依据摄像头收集的图画进行精密核算，确认速度参阅和舵机转向参阅。摄像头组的智能车关于路途信息猜测才能强，而且摄像头对路途的勘探精密，视角规模大，因而遭到很多智能车规划者的欢迎。但摄像头图画受周围光线的影响大;算法运算量大，算法杂乱，需求占用较多的NCU资源，因而其间图画辨认算法的规划成为体系规划的要害步骤。
1 体系规划
智能车体系由中心处理器KINETIS60、途径检测模块、起跑线检测模块、车速检测模块、电源模块，无线数据传输模块、电机驱动模块、舵机驱动模块组成。其间摄像头组的途径检测模块由OV7620摄像头完成。
车速检测模块由编码器构成，完成速度的实时收集。电机驱动模块由八片IRF3205构成H桥来完成。电源模块由三块LM2940组成。舵机运用S-D5衔接至PWM引脚，起跑线检测模块由两个TCRT5000以及一个LM339组成。无线数据传输经过NRF24L01进行数据传输。
智能车由途径传感器收集得到前方路途的图画，从中提取出有用信息，判别所在的跑道类型(直道，大弯道，S弯道)，确认小车的舵机转向及车速。然后经过电机和舵机驱动小车流畅地在跑道上跋涉。体系框图如图1所示。
2 软件算法总体规划
本方案中，以IAR为开发工具，体系软件规划包含以下几个方面：体系初始化、视频图画信号收集、小车的方向(舵机)操控和速度(电机)操控。体系软件流程罔如图2所示。
3 图画收集
OV7620是CMOS五颜六色/是非图画传感器。它支撑接连和隔行两种扫描方法，VGA与QVGA两种图画格式;最高像素为664×492;数据格式包含YUV、YCrCb、RGB3种，能够满意一般图画收集体系的要求。
由于芯片处理才能不足以到达PC的运算才能，因而本方案选用了是非摄像头，由于受片内总线频率的约束，每行能够收集到的点数有限而且图画质量很差，而且会占用CPU大部分的时刻，所以咱们选用了K60自带的DMA进行数据收集，实践证明，DMA能够收集到绝大多数的点，而且图画质量很好。
为了更好的检测黑线中心方位，要确保单行上有满足的点，为了进步处理速度，可适当下降采样行数，归纳了以上条件，终究决议选用100行信息进行方向判别，每幅图画巨细限定为180×100。
4 图画辨认
摄像头智能车体系是否能辨识正确的方向的要害便是其间的图画辨认算法的规划，在本算法中依据收集来的图画，首要进行图画二值化，然后再对二值化后的图画进行去噪处理，得到只含有赛道黑线的图画，再对图画进行图画辨认，依据设定的阈值进行方向辨认，得到的成果送至舵机操控模块进行舵机的方向操控。依据图画辨认算法的途径辨认流程图如图3所示。
4.1 黑线提取
二值化是一种广泛运用的图画切割技能，它运用了图画中要提取的方针物与其布景在灰度特性上的差异，把原图画变为仅用两个灰度值表明的图画方针物和布景的二值图画，考虑到所收集的图画方针物(黑色中心线)与布景(白色跑道)的灰度值差异比较显着，选用固定阈值法进行图画的二值化。二值化的完成是由下面的公式来完成：
式中g(x，y)为二值化成果;T为阈值，f(x，y)为原图画的灰度值。
本方案选用固定的阈值进行图画二值化，由于单片机没有满足的时刻进行动态阈值核算。因而要确认一个合理的算法来确认一个固定阈值，小车在不同光照条件下的图画阈值不同，因而小车每一次启动时核算一次固定阈值，如图4所示。
4.2 舵机及电机操控算法
提取出图画的中心线今后，需求依据中心线的方位，来判别赛道的类型，区别直道、S型弯道和左转弯和右转弯。运用摄像头辨认路途在辨认功能方面具有优势，相关于光电和电磁传感器，能够有较远的前瞻间隔，赛道信息不是依据单行数据来判别，而是依据每幅图画的多行信息来判别。依据前述，每幅图画选用80行的信息进行判别。
依据二值化图画的成果，以图画重心为界，别离核算鸿沟左右侧白点数目和(式2、式31，然后对左右侧白点数和leftSum，rightSum做差，然后对差值除以行数，得到赛道偏移量(式4)，依据偏移量centerAVG巨细，centerAVG的巨细基本上能够判别当时赛道状况，依据赛道状况，对centerAVG乘以不同的系数k(式5)，得到舵机值(式6)，然后进行方向操控。
