摘要：視覺導(dǎo)航作為新興起的技術(shù)，受眾多研究者的青睞．設(shè)計了以現(xiàn)場可編程門列陣（FPGA）為控制核心的自主導(dǎo)航小車，采用一種新穎的自適應(yīng)路徑識別算法實現(xiàn)路徑的識別與提取，并結(jié)合圓弧路線規(guī)劃和控制策略完成小車的自主導(dǎo)航控制．自適應(yīng)路徑識別算法使導(dǎo)航小車可以適應(yīng)多種光照和路面條件．測試結(jié)果表明，小車能夠在不同光照條件下的實驗室和露天田徑跑道環(huán)境中實現(xiàn)較好的導(dǎo)航效果，在田徑跑道上的導(dǎo)航測試中，小車的最高運行速度達(dá)到３.５ｍ／ｓ。

目前，在視覺導(dǎo)航小車的研究中所采用的控制處理核心大多是單片機或數(shù)字信號處理（DSP）芯片［1-2］。這類處理核心的優(yōu)點是成本低，使用方便．但是由于單片機和DSP的圖像處理速度有限，所以需要對視頻圖像進(jìn)行下采樣處理，以適應(yīng)視頻采集的速率，從而影響了圖像處理和識別的效果．采用現(xiàn)場可編程門列陣（FPGA）芯片可以大大提高圖像處理和識別的速度，克服以上缺點．FPGA是一種新型的信息處理系統(tǒng)，是一個介于軟件和硬件之間的計算平臺．它既可以像軟件一樣現(xiàn)場編程，也可以像硬件一樣直接控制門電路進(jìn)行運算，這個特性使得它更易于實現(xiàn)并行運算，提高圖像處理速度，保證圖像處理的實時性．因此FPGA非常適用于視覺控制系統(tǒng)的控制中心［3］。

在迅速準(zhǔn)確地處理和分析圖像的基礎(chǔ)上，控制處理中心可以實時獲得小車與路徑的相對位置，并依此對小車進(jìn)行路線規(guī)劃和運動控制，實現(xiàn)小車的自主導(dǎo)航．在路線規(guī)劃方面已有大量的研究［4-15］。Liu［９］、Fu［10］等以小車當(dāng)前位置與目標(biāo)位置之間的距離和轉(zhuǎn)角偏差作為參數(shù)設(shè)計模糊控制表，對小車進(jìn)行控制；Hsueh等［11］對位置和角度偏差的計算方法進(jìn)行改進(jìn)，并設(shè)計比例－積分－微分（PID）控制器，實現(xiàn)了小車自主導(dǎo)航；劉海濤等［12］提出了基于模式匹配的模糊控制方法；李進(jìn)等［13］提出了直線擬合提取路徑信息，結(jié)合PID控制完成小車自主駕駛的方法．任永新等［14］提出將控制分成２部分：大轉(zhuǎn)角部分采用模糊控制、小轉(zhuǎn)彎的路徑采用精確的控制方法．在小轉(zhuǎn)彎時，設(shè)計一條規(guī)劃圓弧路線，依據(jù)此圓弧路線的曲率半徑，通過一定的轉(zhuǎn)換關(guān)系得到控制小車２個驅(qū)動輪轉(zhuǎn)速的控制量，實現(xiàn)小車的轉(zhuǎn)向控制．本文以O(shè)V7620作為圖像傳感器，以FPGA為核心控制器，通過圖像采集、路徑識別以及查找表技術(shù)實現(xiàn)了小車導(dǎo)航控制系統(tǒng)。

１　硬件結(jié)構(gòu)

自主導(dǎo)航小車的圖像獲取采用搭載OV7620圖像傳感器的C3188攝像頭模組，F(xiàn)PGA控制板采用Xilinx公司的Spartan3E開發(fā)板，小車為恒龍3851-2遙控四驅(qū)越野模型車。

小車通過圖像傳感芯片OV7620獲取圖像信息。FPGA以圖像傳感器芯片提供的３個時鐘信號作為同步信號完成圖像采集．通過FPGA控制板的數(shù)字接口直接連接攝像頭的８位數(shù)據(jù)線和相應(yīng)控制信號，實現(xiàn)視頻信號的快速采集．圖像速率為30幀／s。

２　路徑識別與路線規(guī)劃

２．１　路徑識別
路徑識別首先要對圖像進(jìn)行二值化處理。雖然在圖像二值化算法方面已經(jīng)有很多研究，由于視覺導(dǎo)航對運算速度有很高的要求，所以普遍采用最簡單的固定閾值方法．但是固定閾值二值化方法對環(huán)境的光照條件和背景噪聲非常敏感，使得相應(yīng)的路徑識別效果對環(huán)境條件要求高，而且非常不穩(wěn)定．因此我們提出了一種自適應(yīng)的路徑識別方法，把圖像二值化、路徑位置和寬度的確定這兩個分立的步驟結(jié)合起來，從一組預(yù)設(shè)的路徑寬度和二值化閾值出發(fā)，對圖像進(jìn)行逐行處理，并根據(jù)上一行的寬度和閾值計算結(jié)果對寬度和閾值的預(yù)設(shè)值進(jìn)行調(diào)整，當(dāng)預(yù)設(shè)值與測量值趨于平衡時，識別結(jié)果趨于準(zhǔn)確．具體的流程如圖１所示．在上電初始化時，以初始的閾值、車道寬度值和路徑中心點值作為預(yù)設(shè)值，對圖像第一行數(shù)據(jù)進(jìn)行如下處理：
１）對一行圖像進(jìn)行均值濾波。
２）根據(jù)預(yù)設(shè)的閾值對圖像進(jìn)行二值化處理。
３）從預(yù)設(shè)的路徑中心點出發(fā)分別向視野的兩側(cè)搜索路徑邊緣。
４）計算路徑寬度和路徑中心點，把計算的路徑寬度值與預(yù)設(shè)值比較．當(dāng)計算寬度值大于預(yù)設(shè)寬度值時，提高預(yù)設(shè)寬度和二值化閾值，反之作相反調(diào)整．路徑中心點直接作為新的預(yù)設(shè)路徑中心點。
５）若已到本幀圖像的最后一行，則跳到６）處理，否則返回步驟１）處理下一行圖像數(shù)據(jù)。
６）在下一幀圖像開始時，以上一幀圖像最后一行圖像處理后得到的路徑寬度和閾值作為預(yù)設(shè)值返回１）進(jìn)行處理。

在以上自適應(yīng)算法中，圖像的濾波和二值化是同時進(jìn)行的，系統(tǒng)只需要存儲一行二值化后的圖像，在提高處理速度的同時，有效降低了存儲需求。

在步驟３）中，采用卷積的方法對路徑邊緣進(jìn)行檢測并計算路徑的位置和寬度，其流程如圖２所示。從預(yù)設(shè)中心點向兩邊同時掃描，確定路徑的邊緣．利用路徑自身的連續(xù)性，使上一行的檢測結(jié)果在下一行的檢測中得到應(yīng)用，有效提高了算法的穩(wěn)定性和適應(yīng)能力。

圖２中２個卷積函數(shù)在硬件上的實現(xiàn)方式分別為

從上式可知，Ｖ１、Ｖ２的取值范圍為８～１６，故定義當(dāng)卷積值大于或等于１２時為路徑邊緣點判據(jù)．當(dāng)左右邊緣搜索結(jié)束后，根據(jù)如下規(guī)則確定這一行路徑中心點和路徑寬度．記前一行路徑中心點為Ｍ０，當(dāng)前所掃描到的左邊緣位置為Ｌ，右邊緣位置為Ｒ，當(dāng)前行的路徑中心點位置Ｍ 和路徑寬度Ｗ 的計算方法如下：

以上４點中，除了第４）外，其余３點都對閾值及預(yù)定的路徑寬度進(jìn)行了調(diào)整．我們用上一幀圖像第一行路徑的中心位置和寬度作為下一幀圖像的中心位置和寬度的預(yù)設(shè)值。

２.２　路線規(guī)劃
小車上的攝像頭是固定的，其視野范圍也隨之固定。圖３給出攝像頭的視野范圍及相對位置，其中梯形框為視野范圍，ｙ軸為小車前進(jìn)方向，Ｏ為小車前軸中心點，Ｄ 為視野最前方的路徑中心點，即目標(biāo)點．規(guī)劃路線為通過Ｏ 和Ｄ 點且與ｙ 軸相切的圓弧．在小車偏離了路徑的情況下，規(guī)劃路線可以引導(dǎo)小車逐漸回歸導(dǎo)航路徑．根據(jù)圖３給出的幾何關(guān)系，可以得出規(guī)劃路徑的曲率半徑Ｒ 滿足方程

?

圖４給出小車在圓弧上行駛的示意圖，其中Ａ，Ｂ兩點分別代表小車前軸和后軸的中心點，Ｌ 為小車主軸的長度．從圖４可以得到小車舵機轉(zhuǎn)角與規(guī)劃路線的曲率半徑Ｒ 之間關(guān)系

ｓｉｎα＝Ｌ／２Ｒ． （３）
由于在實際行走的路線中，實際路線的曲率半徑Ｒ 遠(yuǎn)大于車軸Ｌ，因此，式（３）可以簡化成
α≈Ｌ／２Ｒ． （４）

根據(jù)式（４）計算的轉(zhuǎn)角，可以對小車的舵機轉(zhuǎn)角進(jìn)行實時控制．實驗中的小車采用脈沖調(diào)制（ＰＷＭ）控制器來控制舵機轉(zhuǎn)角．舵機轉(zhuǎn)角與輸出給控制器的占空比成正比，有
α＝μｘ， （５）
其中ｘ 為占空比，μ為比例系數(shù)。

由式（３）～（５）可知，控制舵機轉(zhuǎn)角的占空比與規(guī)劃路線的曲率是成正比關(guān)系

由于導(dǎo)航過程中，ｂ保持不變，所以只需測得目標(biāo)點Ｄ 在視場中的橫坐標(biāo)值ａ，即可根據(jù)式（７）求得控制所需的占空比，實現(xiàn)的小車的導(dǎo)航和控制。

任永新等［14］同樣采用圓弧路線規(guī)劃，但是采用小車前軸中點與預(yù)瞄點之間的距離為路線參數(shù)，這不利于計算，而我們給出的公式更有利于在圖像上直接獲得，更便于實時性計算．傳統(tǒng)的模糊控制中將路徑分區(qū)段和類型進(jìn)行控制，控制是不連續(xù)、不精確的，而本文提出的圓弧路線規(guī)劃算法則具有連續(xù)精確控制的優(yōu)點。