摘  要： 目前循迹智能车的跑道识别都依赖于跑道上的特殊标志，一旦识别失败，小车将脱离原有道路。针对该现状，提出一种基于图像特征提取的循迹方案。该方案将循迹信息与跑道分离，循迹系统由信息采集和动作执行两部分组成。将目标路线图画在透明压克力板上，通过CCD摄像头采集图像，利用MC9S12XS128单片机对图像数组进行边缘提取和角点检测得到路径信息，然后将路径信息经无线模块NRF24L01发送给智能车，通过精确的缩放比例将绘图区域映射到实际路径，完成分离循迹。行驶过程中无需判别跑道特征。
关键词： CCD摄像头；边缘提取；角点检测；分离循迹

    循迹智能车的形式多种多样，根据传感器的不同，可以分为红外循迹、激光循迹、摄像头循迹以及电磁循迹等[1]。循迹原理虽各不相同，但其实现都依赖于专用跑道，即贴有黑色胶布的KT板或者铺有通电导线的路面等，如图1所示。

    本文提出一种基于图像分析的分离循迹方案，使智能车摆脱专用跑道的限制。该方案利用摄像头采集路径信息，将路线图包含于一幅图像内，经边缘提取和角点检测取得路线的长度和方位角，然后通过无线模块NRF24L01将数据发送给智能车。智能车利用地磁传感器HMC5883L检测方位角，控制小车按照计算路径行驶，而且行驶过程中无需多次判断路径特征；此外,可利用行驶前获得的路线图信息优化智能车控制算法,提升小车行驶速度。
1 系统设计
    系统整体方案框图设计如图2所示。

1.1 主控芯片MC9S12XS128
    本系统选用飞思卡尔HCS12架构的16位单片机MC9S12XS128为主控芯片，拥有128 KB的Flash，以及8 KB的RAM，片内集成SPI接口、增强型定时器ECT（Enhanced Capture Timer）以及PWM模块等。通过设置锁相环（PLL）寄存器，可以将总线时钟提高至80 MHz，大大加快图像处理的速度。
1.2 图像采集硬件设计
    将透明压克力板支撑于CCD摄像头正上方，作为绘图区，使用黑色油性笔画下智能车的路线图供CCD摄像头采集，实物如图3所示。

    本系统采用的CCD摄像头为PAL信号输出，包含有复合同步信号、复合消影信号和视频信号。由于视频信号是模拟信号，为保证图像的分辨率，选用8位高速A/D芯片TLC5510将其离散化，并行输出0~255的灰度值，直接经MC9S12XS128单片机的PA口读取。同时，利用LM1881视频信号分离芯片VSS(Video Sync Separator)分离出行信号和场信号作为图像采集的控制信号，完成一幅二维图像数组的采集与存储。
1.3 无线数据传输模块
    MC9S12XS128完成图像的采集与处理后，将路线信息以一维数组方式存储。本系统采用NRF24L01无线模块向智能车发送路线数组。NRF24L01工作于2.4 GHz ISM频段，有32 B数据缓冲区，与单片机SPI接口进行通信。为建立有效通信，规定如下的通信格式：数组首字节记录有效数据长度，接下来每3个字节数据表征一段路线信息，前两个字节表示方位角(0°～360°)，最后一个字节表示路程，数据长度不固定，决定于具体路线图。智能车接收到数据后，还原路线信息，并接序执行。
1.4 HMC5883L模块
    在本系统中，利用两个后轮直流电机不同的旋转组合来控制转向。如何检测方位角是正确转向的关键，将路径化曲为直，看作是由许多折线段连接而成，计算得折线斜率的反正切值即为方位角。利用霍尼韦尔（Honeywell）HMC5883L磁阻（MR）传感器作为智能车的电子罗盘，精确控制转向方位角。
    HMC5883L是一种表面贴装的高集成模块，并带有数字接口的弱磁传感器[2]。HMC5883L通过检测地磁场平行于地面的X轴和Y轴方向的磁场分量来计算相对磁北的偏向角。地球上某点的磁场矢量分析[3]如图4所示。方位角?琢(X轴与磁北的夹角)可由式(1)计算：
    
    HMC5883L采用I2C接口与单片机进行通信，数据更新速率可达1 000次/s。X轴、Y轴和Z轴的磁场分量值分别存储于数值输出寄存器X、Y和Z，单片机利用PIT(Periodic Interrupt Timer)中断程序以20 ms为周期定时读取。
2 软件设计
2.1 图像采集
    经过LM1881得到视频信号的行信号和场信号，行信号周期约为70 ?滋s，场信号周期约为20 ms。行信号表示新一行数据的到来，场信号表示下一幅图像数据的开始。行、场信号都是方波，设置MC9S12XS128单片机定时器0和定时器1为输入捕捉模式，并且使能中断。定时器0为上升沿捕捉，行中断触发；定时器1为下降沿捕捉，场中断触发。因为摄像头在路线图下方，与绘图者的视角相反，所以在采集程序中将图像关于X轴镜像存储。程序流程如图5所示。

2.2 边缘提取
    理想的路径信息是线条型的，但是油性笔画出的路线有粗有细，所以通过边缘提取将路线图线条化。边缘提取属于图像的低层次特征，类似于微分处理[4]。目前，有很多成熟的边缘提取算法，但考虑到图像是白色背景上的黑色线条，对比度很大，故选用阈值法提取边缘。通过合理选取阈值，计算灰度差提取边缘。
2.3 角点检测
    角点是路径信息的重要特征之一，在实际应用中，将路径折线化之后，每段路径就可以用3个字节表示，前两个字节表示方位角，最后一个字节表示路程值，由此看来角点的重要性不言而喻。本系统采用梯度检测算法提取角点坐标。角点肯定是边缘像素点，因此在边缘提取的基础上计算梯度值可以大大减少运算量。以路线图左下角为起始点，建立一维数组依次记录角点像素坐标。根据路线的连续性，对一维数组进行滤波，统计斜率值的个数，设置阈值去除“伪角点”。程序流程如图6所示。
3 结果分析
    在压克力板上绘图区（20 cm×30 cm）画下“N”形路线，将其映射到2 m×3 m的实际区域， 转向时通过左转或者右转都能达到目标方位角，分别进行两次实验。方位角误差保持在-5°～+5°内，路程误差在-10 cm～+10 cm之间。
    分离循迹摆脱了传统循迹方式对跑道的依赖，当循迹路线改变时更具有灵活性。经实验验证，循迹误差小（包括方位角误差和路程误差），在短距离定点运输等领域具有实用性，具有一定应用前景。
参考文献
[1] 卓晴，黄开胜，邵贝贝.学做智能车：挑战飞思卡尔杯[M]. 北京：北京航空航天大学出版社，2007.
[2] 霍尼韦尔公司.HMC5883L中文规格书[EB/OL].[2012-11-04].http：//www.honeywell-sensor.com/.
[3] 汪雪莲.电子罗盘的方位测量误差及其补偿校正[J].声学与电子工程，2005(4)：40-43.
[4] NIXON M S，AGUADO A S.Feature extraction and image  processing[M].Beijing：Publishing House of Electronics  Industry，2010.