基于攝像頭的智能車系統研究

王開南 劉楊 王國軍 劉博 張云飛

（陸軍軍事交通學院 天津市 300171）

近年來，隨著攝像頭等傳感器，人工智能等高科技在智能車領域的廣泛應用，汽車的智能化程度越來越高[1]。在物流領域，智能車可以應用于流程自動化、配送效率提升、貨物追蹤等方面，提高整個物流產業的效率和便利性。在軍事領域，智能車可以應用于軍用裝備、無人戰車、偵察和救援行動中，增強作戰能力和軍事行動的效率。在車聯網背景下發展出的智能網聯汽車還可以帶動相關產業的發展，推動智慧城市的發展，在智能車的車人互聯、車車互聯以及車聯萬物的發展之勢下，智能車將不再是單純的工具，而是一個智能的可移動空間[2]。

“恩智浦杯”全國大學生智能車大賽是由恩智浦(中國)有限公司主辦的一項賽事、是國內最具影響力的智能車比賽之一，引領了全國大學生在自動駕駛、視覺識別等方面的技術創新，旨在突破傳統智能車只依據激光雷達、毫米波雷達等傳感器進行控制的模式，采用更為普及、成本更低的攝像頭來實現對智能車的控制。本文開展攝像頭與智能車發展的研究并以其攝像頭智能車比賽規則基礎上設計一款只依據單目攝像頭來控制行駛的智能車，旨在為智能車發展提供支持和做好技術儲備，以期為智能車的應用和推廣提供一定的理論基礎和研究指導。

1 攝像頭與智能車的發展

車載攝像頭被譽為自動駕駛之眼，是ADAS 系統、智能車領域的核心傳感設備。隨著攝像頭技術的革新與發展，其對智能車領域的發展也有著明顯的促進與制約。車載攝像頭在L3 級別下的智能車系統方案中居于主導地位，1956年別克首個引用攝像頭的概念車型Centurion。隨著攝像頭關鍵零部件和芯片技術的發展，90年代中期，美國麻省理工學院提出用計算機軟件替換駕駛員的思想。直到2007年首款應用攝像頭的環景監視系統在日本誕生，其為駕駛員提供車身鳥瞰圖和停車輔助線，智能的駕駛輔助從此開始。2015年后，隨著無人駕駛、車聯網的發展風潮，車載攝像頭加持軟件算法，已逐漸參與到智能處理當中，為智能提供感知、決策、控制的資源和信息。目前智能車的自動駕駛系統已經可以在駕駛中部分解放人的肢體和大腦[3]，實現自動控制。

攝像頭智能車將有著廣闊的發展前景。攝像頭會逐漸實現高清、廣角、高速，并具備深度學習和其他人工智能技術。未來攝像頭智能車不僅能駕駛，還將承擔更多的功能，比如情感識別、疲勞識別等，幫助駕駛員的安全駕駛。在實際應用中，人工智能攝像頭智能車將成為未來社會中的重要角色，為交通安全、節能減排、降低交通事故等方面做出積極的貢獻。未來，攝像頭智能車將會逐漸實現自主駕駛和智能交通的目標，為人類社會的可持續發展做出積極的貢獻。

2 基于攝像頭的智能車系統硬件設計

本文設計的是以TC264DA 單片機作為核心控制系統，主要功能模塊包括電源模塊、道路信息采集模塊、電機驅動模塊、轉向模塊、行駛狀態反饋模塊、調試模塊。在圖1 中給出了智能型汽車系統的硬件結構框圖。在此基礎上，通過攝像頭獲取道路圖像，通過核心控制器進行處理，完成道路邊線的提取，道路要素的識別，以及基于車輛當前運行狀態的閉環控制驅動與轉向裝置。

圖1：系統硬件設計框圖

2.1 道路信息采集模塊

道路信息采集模塊是本文研究系統的核心，本模塊的核心是攝像頭。本文采用MT9V032 攝像頭滿足本文所設計系統的對實時道路信息采集的要求。其采用3.3V電源供電，集成了可編程寄存器和靈活的控制接口，用戶可以通過設定傳感器的工作模式和參數獲取高質量的圖像輸出。該傳感器還具有高動態范圍和低噪聲等優秀的性能指標，能夠適應不同的成像場景和復雜環境。

2.2 電源模塊

智能車電源模塊是智能車中不可或缺的組成部分之一，它主要是為智能車提供電源穩定、功耗低、電路保護等功能的模塊。供電系統圖如圖2 所示。使用7.4V鋰離子電池為整個系統供電，考慮到智能車所需的不同電壓和電流，使用TPS7350 和TPS7333 低壓差線性穩壓器芯片將電源電壓降為5V 和3.3V 為各模塊提供電壓。為了保證在車輛行駛過程中保證轉向的穩定性和及時性，舵機使用TL1963 芯片單獨供電。這樣也可以有效地保護車輛中的電子元件免受損壞。

圖2：供電系統圖

2.3 電機驅動模塊

BTN7970 是一種電機驅動器IC，可以用于驅動直流電機和步進電機，廣泛應用于機器人、智能車、自動化設備等領域[4]。此芯片為半橋驅動芯片，本文采用兩片芯片構建能夠精準控制電機的全橋驅動電路的方案作為電機驅動模塊。這樣的設計可以將電源采樣引腳用來為內部邏輯和高側驅動器提供電壓，減少了外部電容器，進一步提高了系統總體效率。同時全橋驅動電路使得負載可直接通過NMOSFET 驅動器連接到電源輸出端，電流管理更加靈活，更好地提高了系統的性能表現。電路圖如圖3 所示。

圖3：驅動電路圖

3 基于攝像頭的智能車系統軟件設計

控制算法是智能車系統性能好與不好的關鍵，控制系統必須穩定可靠。本文中主要控制對象為舵機和電機。智能車系統的軟件設計使用了攝像頭所拍攝到的賽道圖像，其主要設計思路使通過核心控制芯片對所拍攝到的圖像進行了濾波[5]、二值化而后提取道路邊線信息，根據道路邊線的變化情況從而判別車體當前所處的道路元素類型，做出對應的決策，通過對 PWM的輸出進行控制，從而實現舵機的轉向以及對直流電動機的轉速控制。該系統的主要部分由初始化，圖像處理，道路要素識別，車輛控制等組成。系統軟件控制流程圖如圖4 所示。

圖4：軟件流程圖

3.1 圖像處理

通過使用DMA 傳輸技術，可將MT9V032 攝像頭采集到的高清圖像流快速高效地傳送到單片機，從而有效減輕處理器的壓力，提高系統運行速度和響應能力。針對道路特征識別應用場景，攝像頭直接采集高分辨率圖像的方式存在兩個問題：一是MT9V032 攝像頭采集到的圖像數據量巨大，處理起來需要消耗很長時間；二是在車速較快時，采集到的高分辨率圖像會變得模糊或失真，難以識別路面特征。因此，可以采取隔行取樣的方式，只選取部分像素點來采集圖像，雖然取樣率較低，但已經足夠滿足道路特征識別的需求。這種方式可以有效減小數據量和處理時間，同時可以保證較高的動態穩定性和識別效果。

使用中值濾波算法，將各象素點附近的數值按照一定的順序排列，取而代之的中值，以達到消除噪聲，對圖像進行平滑處理的目的。利用大津法對經過濾波的圖像進行二值處理[6]，通過對圖像的直方圖分布進行分析，找到最佳的二值化閾值用于將圖像轉換為黑白二值圖像。最后一項重要的處理步驟是對每行像素點進行掃描，以確定道路的左右邊線。通過檢測每行道路中黑白像素點變化情況[7]，可以精確地識別道路的邊界，并進一步提取出路面的中央線和轉彎處的拐點等道路元素，為后續路徑規劃和行駛控制奠定基礎。通過這種方法，智能車可以在復雜的道路環境中提高識別精度和魯棒性，實現更加精準、安全的自主行駛。

3.2 道路元素識別

經過預處理和道路邊界提取，我們可以獲得一系列關于道路的特征數據，從而可以開始進行元素識別。道路元素包括彎道、十字交叉口、Y 形交叉口、環形障礙物和上下斜坡等。根據圖像處理提取的道路邊線使用最小二乘法擬合出虛擬的中心線,分析其曲率值變化從而獲得偏差值作為控制舵機方向的基本依據。

通過不斷掃描道路兩邊邊線來確定交叉口的存在。當道路邊線出現中斷時，我們可以通過計算邊線中斷的數量和位置來判斷是否為交叉口，并進一步確定交叉口的類型。例如，在十字路口的情況下，我們可以觀察道路邊線的中斷點的數量和位置，分別為近端兩個邊線中斷點和遠端兩個中斷點，以及交叉口的形狀和大小，從而將其識別為十字路口，以此按照目的地位置控制車輛在路口中轉向或是直行。在Y 形交叉口或環形障礙物的情況下，可以依據道路邊線的中斷數量、交叉口位置和形狀來進行識別，輔以比較道路邊線的曲率變化來判定交叉口的存在，可以減少錯誤判斷的可能性。系統處理過程中十字路口的圖像如圖5 所示。

圖5：處理中的道路圖片

此外上下坡道的速度控制直接影響了車輛的安全性。根據路面坡度不同導致圖像中道路變形的情況，結合反饋系統中的陀螺儀數據，可以進一步確定上下坡的位置和角度，提高算法的精度和可靠性。

3.3 車輛控制

該系統使用了安裝在驅動輪上的行駛狀態反饋模塊編碼器，該編碼器返回脈沖值，采用此值參與增量式PID 算法閉環控制車輛速度，從而實現對車的速度控制。該系統通過獲取編碼器反饋的當前位置和前一次位置，計算這兩者之差作為當前誤差值，并根據當前誤差值、前一次誤差值以及累計誤差值計算出PID 控制量，從而根據誤差的大小來控制電機的轉速，使車輛能夠達到目標速度[8]。在具體實現中，PID 計算結果使用PWM 信號波來控制驅動模塊，對電機的轉速進行調節，從而實現對車速的控制。通過增量式PID 算法，可以對速度進行精確控制，提高車輛的運行穩定性和性能。該方法不僅具有較高的控制精度，而且由于采用了編碼器行駛狀態反饋模塊，能夠實時監測本車的運行狀態，從而可以對車速進行實時調整，適應不同的路況和運行環境，提高了系統的實用性和適應性。

使用增量式PID 算法控制舵機。以偏差值為基本計算依據，本系統采用的攝像頭像素為188×120，經過隔行提取使用像素點像素為94×60，選取圖像的第46 列作為圖像的中心線，方向偏差即為圖像中心線與擬合的賽道中線的坐標差值。使用舵機反饋的當前位置值和轉向所要達到的目標位置值之間的誤差，并計算誤差的變化率。最后以舵機中值為基礎加減控制量，即為本次傳向的舵機PWM 值?？梢蕴岣叨鏅C控制的精度和穩定性，確保舵機能夠按照設定的角度完成運動任務。同時，使用舵機的反饋信息可以實現對舵機運動中的誤差進行實時調整，使得整個舵機控制系統可以適應不同的運動環境和任務需求。

4 基于攝像頭的智能車系統測試

測試的主要內容有：信息采集測試、圖像處理測試、車輛控制測試和總體性能測試[9]。信息采集測試是測試攝像頭及其他傳感器能否正確連接到主控板并被讀取，上位機主要測試DMA 傳輸中斷是否成功且穩定，采集到的圖像質量大小是否完整。圖像處理測試測試系統能否正確地對圖像進行處理和分析，識別出道路元素，擬合出中線，本文使用顯示屏將濾波二值化后擬合了虛擬中線的道路圖像顯示在屏幕上，由此能夠直觀的觀察到圖像是否成功處理。車輛控制測試需要將小車放置在不同的位置上，檢測和記錄其偏差值和PWM 控制輸出值等參數，并對這些參數進行圖表分析。通過對測試數據進行分析和比對，可以發現系統控制中存在的缺陷和問題，并對系統參數進行優化和調整[10]。舵機PWM 控制輸出值如下圖6 所示。為了保證測試結果的準確性，測試過程中需要確保測試環境的一致性。例如，需要確保測試時車及測試環境處于同一水平面上，并排除其他干擾因素的影響。系統性能測試是在各模塊協調工作的前提下進行，對系統控制下的車輛運行速度，元素識別準確性等進行統計，可以有效地驗證系統控制算法的正確性和穩定性，進一步提高系統在自動駕駛領域的可靠性和實用性。

圖6：舵機在半徑0.5 米90°彎道轉向時的PWM 輸出值

5 結束語

本文對攝像頭和智能汽車的發展進行了闡述，并對攝像頭智能汽車系統進行了設計。包括系統硬件設計和軟件設計和實現方法。通過不斷測試、反復調試，分析系統運行中數據，選擇合適參數，最終實現攝像頭智能車系統控制車輛模型快速穩定行駛并順利通過不同道路元素。攝像頭智能車是未來智能交通的重要組成部分。隨著技術的不斷進步和市場需求的不斷增加，攝像頭智能車的應用前景將會越來越廣闊，智能車技術的發展和應用將會給人們的出行和生活帶來更多的便利和安全性。