传感器与智能车路径识别

传感器与智能车路径识别传感器与智能车路径识别Sensor&IntelligentVehiclePathRecognition王明顺沈谋全（东北大学信息科学与工程学院，辽宁沈阳110004）摘要：路径识别是体现智能车智能水平的一个重要标志，而传感器是智能车进行路径识别的关键检测元件。针对智能车在特殊路径与传感器数目限制的条件下的路径识别，提出了基于红外传感器的路径识别方案与基于图像传感器的路径识别方案，并对两种方案的应用性能进行了比较。通过将基于面阵图像传感器的路径识别方案应用于第一届“飞思卡尔”杯全国智能车竞赛并取得优异成绩，验证了该方案的可行性与有效性。关键字：路径识别；智能车；红外传感器；图像传感器引言“飞思卡尔”杯全国大学生智能车竞赛是在飞思卡尔半导体公司资助下举办的以HCS12MCU为核心的大学生课外科技竞赛。组委会提供了一个标准的汽车模型、直流电机和可充电式电池，参赛队伍要制作一个能够自主识别路线的智能车并在专门设计的跑道上自动识别道路行驶，其中比赛限制规则之一就是传感器的总数不能超过16个。由于路径识别在本智能车控制系统中的重要地位，而路径识别结果的好坏又与传感器的选择、传感器的数量有直接关系，因此，本文针对应用于路径识别的传感器进行讨论。传感器概述光电传感器与CCD/CMOS图像传感器是较为常见的应用于路径识别的传感器。光电传感器由于本身物理结构、信号处理方式的简单而被广泛应用，但存在检测距离近的弱点。CCD/CMOS图像传感器能更早的感知前方的路径信息，但存在着复杂的信号输出方式所导致复杂的数据处理方式，从而使很多研究者望而却步。但是随着计算机技术、高级人工智能技术的发展，CCD/CMOS图像传感器识别方案的研究也逐渐深入，将CCD/CMOS图像传感器应用于智能车的路径识别是智能车研究的发展趋势。红外传感器的输出可分为数字式与模拟式红外传感器两种。数字式红外传感器具有与微处理器相对应的接口，使得硬件电路简单，但是存在采集路径信息粗糙、丢失路径信息的缺点。模拟式红外传感器输出的模拟信号，通过将多个模拟式红外传感器进行适当的组合，可以再现赛道路径的准确信息。在使用多个模拟式红外传感器的情况下,需占用微处理器较多的AD端口。CCD/CMOS图像传感器可分为线阵式与面阵式两种。线阵式图像传感器常常应用于系统对检测精度有特殊要求的场合，由于具有较高的精度，一般价格较昂贵。面阵式图像传感器常被应用于普通的视频检测，价格较便宜。在实际应用中，常选用面阵式图像传感器。然而，由于常用的CCD/CMOS图像传感器可分为USB接口与电视信号接口两种类型，需要使用者根据微处理器的处理能力进行选择。对于HCS12单片机的处理能力，在这里只能选用CCD/CMOS图像传感器的信号输出格式为电视信号。设计方案针对第一届全国大学生智能车竞赛的赛道特色，基于上述对传感器的说明，下面讨论红外传感器与CCD/CMOS图像传感器的路径识别方案。1.基于数字式输出的光电传感器阵列的智能控制基于反射式红外传感器的数字光电传感器阵列的路径检测方法具有较高的可靠性与稳定性，且单片机易于处理。虽然本次大赛限制的传感器为16个，但是仍不足以解决精度问题，而且光电传感器本身存在着检测距离近的问题，不能对远方的路径进行识别，降低了对环境的适应能力，影响了智能车的快速性和稳定性。2.基于模拟式输出的光电传感器阵列的智能控制基于反射式红外传感器的模拟式输出的光电传感器阵列的路径检测方法，具有较高的可靠性与稳定性。它利用传感器对白色和黑色的反射率大小,把最大、最小值之间分为n个index区间，通过对各个传感器index值的组合基本能够确定智能车的位置,从而对位置和行驶方向都能做较精确的控制。但这种方法对识别道路的计算量大，计算时间较长，且检测距离也不是很远[1]。3.基于图像传感器的智能控制基于CCD/CMOS图像传感器的路径检测方法具有探测距离远的优势，能够尽可能早的感知前方的路径信息以进行预判断，再现路径的真实信息。利用CCD/CMOS图像传感器的特点在小车前方虚拟出24个光电传感器，能够精确地感知智能车的位置，并且硬件安装简单，调试方便。4.基于CCD/CMOS图像传感器与光电传感器的智能融合控制基于CCD/CMOS传感器的路径检测方法具有探测距离远的优势，能够尽可能早的感知前方的路径信息进行预判断，再现路径的真实信息。与光电传感器阵列配合使用具有远近结合的优势,且具有较高的稳定性和可靠性。但是本次大赛所要求的控制核心单片机MC9S12DG128，总线时钟最高25M，无法实现高级的图像算法和控制算法,且硬件电路较为复杂。将以上各方案结合MC9S12DG128MCU的运算能力，在追求系统简洁性的基础上实现智能车控制系统路径识别的准确性，我们选择了基于CCD/CMOS图像传感器的智能控制方案应用于最终的大赛。具体应用针对2006年第一届“飞思卡尔”杯全国智能车邀请赛，我们采取了基于图像传感器的路径识别方案.其参赛的智能车的整体实物照片如图1所示.图1智能车整体实物照片全国智能车邀请赛指定的唯一微处理器为Freescale公司的HCS12DG128B16位MCU，128K字节的FlashEEPROM，8K字节的RAM，2K字节的EEPROM，2个异步串行通信接口(SCI),2个串行外围接口(SPI)，1个8通道的输入捕捉/输出比较(IC/OC)增强型捕捉定时器，2个8通道、10位转换精度的模数转换器(ADC)，1个8通道的脉冲调制器(PWM)，丰富的I/O资源，内部集成PLL锁相环，可以提高系统时钟工作频率。然而，S12单片机的上限内部总线频率25MHz。在此限制条件下，将微处理器的总线时钟设定为24MHz。根据智能车赛道引导线与其背景的巨大反差的特点，这里只需要选择具有全电视信号输出的黑白图像传感器即可.由于所选的黑白图像传感器为PAL制，故行频为64us，场频20ms，行同步为12us(行消隐脉冲4.7uS)，场同步脉冲宽度为25个行周期(2.048ms)，去掉行同步时间，则每行的有效信息时间是52us.通过将图像传感器输出的视频信号接至视频同步分离芯片LM1881的视频输入端，就可以得到行同步、场同步、奇/偶场同步信号等，这里只使用行同步、奇/偶场同步信号作为单片机进行视频AD采集的控制信号.有关于使用LM1881提取视频信号中的行、场同步信号的电路原理如图2所示。图2LM1881视频同步分离电路根据处理器MC9S12DG128进行AD采样与转换的时间要求，这里我们使用24MHz的总线速度，这样每采集一个点的时间大约是2us，每行的扫描时间是64us，去掉行消隐与行同步时间12us，每行有效信息时间为52us.从数据可靠性与稳定性的角度考虑，我们选择每行采集24个点，每场采集200行，但在实际应用中，每场采取每间隔10行采集一行数据的策略，如此操作就能够满足控制系统的精度要求.这样，图像传感器每场的数据变换成一个20行、24列的一个二维数组.由于微处理器HCS12DG128B的AD默认参考电压为5V左右，而视频信号的白电平为1.2V左右、黑电平0.5V左右，为了体现白黑的巨大差异，这里将A/D采集的参考电压调整为1.5V，从而使得AD采集的正常结果通常是在85～204之间.图3给出了图像传感器所采集的部分原始路径数据值.图3图像传感器采集的直线部分的原始数据结论本文从传感器与路径识别的关系出发，讨论了红外传感器与CCD/CMOS图像传感器识别方案的优缺点,并从中优选出CCD/CMOS图像传感器用于智能车的路径识别与传感。通过将基于面阵CCD/CMOS图像传感器的路径识别方案应用于第一届“飞思卡尔”杯全国大学生智能车竞赛，并从众多使用红外传感器的参赛队伍中脱颖而出，从而证明了该方案较红外传感器在路径识别中更具潜在优势。