系統概述
智能小車系統主要由路徑識別、速度采集、轉向控制及車速控制等功能模塊組成。路徑識別功能采用CMOS攝像頭，將其模擬量的視頻信號進行視頻解碼后，經過二值化處理并轉化為18×90pix的圖像數據后送入MCU進行處理;轉向控制采用基于模糊控制算法進行調節;而車速控制采用的是經典PID算法，通過對賽道不同形狀的判斷結果，設定不同的給定速度。該系統以50Hz的頻率通過不斷地采集實時路況信息和速度，實現對整個系統的閉環控制，如圖1所示。
智能小車的圖像采集與存儲
圖像采集模塊設計
CMOS攝像頭正常供電后,便可輸出原始圖像的信號波形，它是PAL制式的模擬信號，包含行同步、行消隱、場同步、場消隱等信號如圖2所示。但該形式的信號并不能被CPU直接使用，需要加入視頻解碼芯片如SAA7111，它的功能是將攝像頭輸出的模擬信號轉化為數字信號，同時產生各種同步信號，CPU利用此同步信號將圖像的數字信號存儲在一個外部FIFO芯片AL422中，這便構成了基本的路徑檢測模塊，如圖3所示。
圖像數據存儲
SAA7111是飛利浦公司一款增強型視頻輸入處理器芯片，常應用在嵌入式視頻應用的高度集成的電路中。工作時，模擬視頻圖像從SAA7111的4個輸入端口中的一個端口輸入，經模擬處理后，一路通過緩沖器從模擬輸出端輸出用于監視，另一路經A/D后產生數字色度信號、亮度信號，分別進行亮度信號處理、色度信號處理。亮度信號處理的結果，一路送到色度信號處理器進行綜合處理，產生Y、U、V信號，經格式化后從VPO輸出，輸出的信號格式有422YUV或CCIR-656(8位)等;另一路進入同步分離器，經數字PLL，產生相應的行、場同步信號HS、VS及像素時鐘信號LLC和LLC2等信號，這些信號是實現視頻數據采集的依據。SAA7111輸出的每幀圖像大小可設為720×286，其數據量相對于單片機的處理速度來說是比較大的，較為理想的圖像大小是18×45，壓縮后的數據量僅為原始圖像的0.394%。為了使圖像的數據得到有效壓縮，可以采用將圖像的數字信號存入FIFO中，經過一定的分頻處理后便能壓縮圖像大小，系統所采用的FIFO芯片是AL422B。
為了實現圖像數字信號的分頻處理，可以分為兩種實現方式，其一是軟件分頻，另一種是硬件分頻。對于軟件分頻來說，系統不需要額外的分頻電路，而是單片機利用解碼芯片SAA7111輸出的控制信號，對讀時鐘進行分頻后再執行實際的讀操作，這種方式的缺點是分頻工作需要占用單片機資源，影響系統的實時性等性能;對于硬件分頻來說，需要加入專門的分頻處理電路，在不需要單片機控制的條件下實現圖像的壓縮，從而在根本上減少了單片機處理的數據量并縮短讀取圖像的時間。因此該系統采用了硬件分頻的方式。
圖像去噪與特征提取
圖像二值化
圖像二值化是數字圖像處理技術中的一項基本技術，該系統中由于賽道是由黑色和白色兩種顏色組成的，并且背景顏色基本也是白色的，系統的任務是識別出黑色的引跑線位置，由于其圖像的干擾并不是很強，因此可以采用二值化的技術作為系統的圖像預處理。經過二值化處理將原來白色的像素點用0表示，而黑色像素點用1表示。圖像二值化技術的關鍵在于如何選取閾值通常來說，常用的方法包括有全局閾值法，局部閾值法及動態閾值法。由于賽道現場光線是比較均勻，而且賽道周圍的底色基本上都是白色的，所以在該系統設計中采用全局閾值法，可達到算法簡單，執行效率高的效果。
二值化閥值選取
在對賽道環境的分析中，我們可以發現黑線部分的亮度是相對比較固定的，其波動的范圍非常小，小于20(亮度值最大為255)，而白色底板的亮度值變化相對較大一些，但仍能保證其與黑線的亮度值有較大的梯度。因此，可以采用直方圖統計法來對其閥值進行自動設定，具體方法如下。首先存儲一幅原始圖像的所有數據，然后對整幅圖像的第一像素點進行統計，最終把第個亮度值所對應的像素點個數統計出來，結果將出現一個雙波峰形圖，如圖4所示。這將能較直接地比較出亮度值集中的區域，以兩個波峰的中心位置所在的中點值作為該賽道的二值化閥值。該算法計算的精度較高，能夠找到理想的一個閥值點，雖然它執行的時間較長，但是這只是在賽車未起跑前進行的初始化運算，對賽車起跑后的速度完全沒有影響，因此該方案是可以采用的。
圖像去噪
在車體運動過程中，圖像經過二值化后并不會出現太大的噪聲，只是在局部出現了一小部分的椒鹽噪聲，其典型圖像如圖5所示。在該系統設計中，圖像處理的目的是準確地找到黑線的中心位置。由于圖像中噪聲的面積非常小，并且一般出現在離黑線較遠的地方，處理的方法也比較多，可采用中心坐標遞推法。
由于該賽道的黑線細分為每一行的坐標后，相鄰兩行之間的中心坐標值之差是比較小的，經實驗測試得其差一般不會超過5，具有很好的遞推性。因此可以利用前一行的中心坐標往下遞推來求解，具體步驟如下。
(1)由于攝像頭近處的黑線拍攝效果較好，不僅黑線的寬度比較大，而且基本不會出現任何噪聲，用其作為遞推的基準點是非常好的選擇。由于這是整幅圖像的基準點，因此對其準確性要求比較高，在計算第一行的中心坐標值時采用黑線連續記數法,即只有連續讀取到3個或以上“1”時才算有效的黑線,并記錄黑線的塊數，否則將其清零，最終再查看該行黑線塊數是否為1，若不為1則改用第二行圖像數據作判斷，如此遞增直到找到唯一的黑線為止。
(2)以第一次找到的中心坐標為基準，向上一行搜索分布在其左右兩側各10個點這個區間內的黑線位置，然后同樣利用重心法求出在該區間內的黑點中心坐標值，并把它作為這一行的中心坐標基準點。
(3)按照步驟(2)逐步往上一行遞推，如果遇到全0的行則停止黑線的搜索。圖5所示的圖像經過該算法處理后得到的圖像如圖6所示，可見此方法能夠有效地消除圖像的噪聲。
