基于黑白摄像头道路识别及障碍物高度检测.docVIP

基于黑白摄像头道路识别及障碍物高度检测 　　摘 要 设计了一套能自主识别路径、测量障碍物高度的智能车系统。基于FreescaleKL26微处理器，以黑白摄像头及超声波传感器作为路径识别装置，采用最小二乘法实时拟合路径，依据摄像头成像原理并利用路径元素间的区别，从而导出ov7225摄像头像素点与实物高度之间的关系式，从而实时测量出障碍物实际高度，使其更加智能化、实时化、高效化 【关键词】自主识别 单片机 黑白摄像头 超声波传感器 如今，随着小型智能车的广泛应用，对引导线、障碍物的感知及处理的要求愈来愈高。目前国内普遍采用立体视觉的被动式障碍物探测技术，检测障碍物。但是此法图像间匹配复杂、实时性差，难以快速避障。本文基于黑白摄像头对理想道路以及障碍物边缘的识别，实现对理想路径及障碍物高度的判断，以控制智能车准确避障 1 系统总体方案 系统中识别道路部分主要有图像采集模块与测距模块。由黑白摄像头完成图像采集，由超声波测距装置完成测距。部分系统框架如图1 2 识别原理及数据处理 道路由黑色边缘及白色路面组成，障碍物为黑色规则物块，由黑白摄像头完成对理想道路的数据采集及处理 2.1 路径判断 这里主要介绍对于弯道的识别，分为普通弯道与S形弯道。如图2所示，对弯道斜率的分析，采用最小二乘法计算，公式如下： 3 实验数据分析 3.1 测试仪器 游标卡尺 OV7725摄像头 3.2 单位像素点对应物像的实际尺寸X实验标定 选取障碍物高度20mm，将其像素点数带入公式（8），求得X=0.00317mm 3.3 测试方法 小车行驶至障碍物前s处，记录识得图像的像素点数，计算障碍物高度，与障碍物实际高度进行比较，并记录。多次改变障碍物的高度。重复以上操作，如表1所示 3.4 测试结果 如表2所示 测试结果的最大误差为2.74%，平均误差为1.62%，与基于激光雷达的障碍物检测方法相比，预测精度较高且设备更为简单 3.5 误差分析 超声波在空气中传播会有衰减现象，也会因被障碍物吸收而产生延时，故采集图像时的实际距离会比标定距离略小； 图像的畸变现象，即由于摄像器材的限制，障碍物图像发生轻微的几何失真，因此由像素点数求得的高度会有偏差 4 结语 此系统设计在智能循迹小车的基础上通过黑白摄像头采集图像及超声波测距系统避障，实时监控显示障碍物与小?的间距，实现了对道路类型的判断与障碍物高度的求解。本设计结构简单易行，在智能系统图像识别处理方面具有重要的现实意义，可应用于智能机器人、教学培训、科学研究等领域 参考文献 [1]胡凌山.移动机器人双目立体视觉技术研究[D].哈尔滨：哈尔滨工程大学，2005. [2]林尔敏.基于图规划的智能小车的路径搜索应用研究[D].中山：中山大学，2015. [3]张政，路阳.基于AT89C51单片机控制的万年历探究[J].电子技术与软件工程，2014（04）：144. [4]冯震，刘佳. 基于摄像头的智能小车寻迹系统设计[J].可编程控制器与工厂自动化，2010（08）：77-79. [5]张铂.基于CCD摄像头的车辆前方道路行人检测[D].长春：吉林大学，2014. 作者单位 吉林大学机械科学与工程学院 吉林省长春市 130022 1