基于HSI模型的智能循跡車設(shè)計(jì)

基于HSI模型的智能循跡車設(shè)計(jì)【摘要】本文設(shè)計(jì)了一種基于HSI模型的智能循跡車，基于S3C6410控制器，以CMOS攝像頭作為途徑識(shí)別裝置，通過圖像特征實(shí)時(shí)提取途徑信息，在HSI模型下結(jié)合飽和度S分量對(duì)色彩H分量進(jìn)展OTSU自適應(yīng)閥值算法處理，實(shí)現(xiàn)任意途徑識(shí)別與智能跟蹤。實(shí)驗(yàn)證明，智能車能按照任意給定的彩色引導(dǎo)線高速穩(wěn)定地行駛，實(shí)現(xiàn)了小車循跡跟蹤運(yùn)動(dòng)，到達(dá)了較好的實(shí)時(shí)性、高效性和智能性?！娟P(guān)鍵詞】智能車；HSI圖像處理；途徑識(shí)別0引言隨著電子技術(shù)和智能控制技術(shù)的開展，智能車已經(jīng)成為自動(dòng)控制領(lǐng)域內(nèi)的一個(gè)研究熱點(diǎn)。自動(dòng)循跡運(yùn)輸車作為一種挪動(dòng)機(jī)器人，主要應(yīng)用于機(jī)場、倉庫以及其他需要搬運(yùn)設(shè)備的工況中。本智能車通過CMOS攝像頭獲取目的道路信息。同時(shí)結(jié)合當(dāng)前的行駛狀態(tài)智能地做出決策，對(duì)其行駛方向進(jìn)展調(diào)整，從而實(shí)現(xiàn)準(zhǔn)確快速跟蹤道路的目的。設(shè)計(jì)要求運(yùn)輸車能自動(dòng)地沿著一條任意給定的彩色帶狀引導(dǎo)線行駛，要求引導(dǎo)線顏色與地面顏色有明顯的差距。1系統(tǒng)總體方案2圖像處理方法選擇對(duì)引導(dǎo)線的判斷正確與否決定了運(yùn)輸車能否實(shí)現(xiàn)自動(dòng)循跡功能，因此選擇恰當(dāng)?shù)膱D像處理算法就至關(guān)重要，下面將分析三種圖像處理算法。2.1先將彩色圖轉(zhuǎn)化成灰度圖，再進(jìn)展圖像處理對(duì)灰度圖進(jìn)展圖像處理的算法主要有基于特征值的二值化，邊緣檢測等方法。這類方法要求地面顏色比擬干凈，前景和背景差距較大。但實(shí)際路面會(huì)無規(guī)律的泛白或者泛黑，對(duì)這種情況采取將彩色圖轉(zhuǎn)化成灰度圖，再進(jìn)展處理的方法顯然是不可取的。2.2在HSI模型下直接對(duì)H分量進(jìn)展OTSU算法處理。2.2.1介紹HSI模型。HSI〔Huesaturationintensity〕顏色模型[2]把彩色信息表示為3種屬性，分別是：色彩，表示顏色的類型；飽和度，表示顏色的純度；強(qiáng)度，表示亮度信息。從人的視覺系統(tǒng)看，人眼看到的任一色彩都是這3個(gè)屬性的結(jié)合。HSI顏色模型中圍繞軸的角度是色彩H，用0度到360度表示，影響著人類的視覺判斷；分開長軸的間隔為飽和度S，即顏色的純度，從0%到完全飽和100%；長軸表示亮度I，從黑0%到白100%，表達(dá)了光線的明暗程度。HSI顏色空間具有與知覺一致的獨(dú)立通道，能較好反映人對(duì)顏色的感知和鑒別才能[3]。2.2.2最大類間方差法〔OTSU〕。OTSU的原理：通過自適應(yīng)閥值，將圖像分為前景和背景倆部分。當(dāng)取最正確閥值時(shí)，前景和背景的差異應(yīng)該是最大的。記前景與背景的分割閥值為t，前景所占比例為w0，平均灰度為u0；背景所占比例為w1，平均灰度為u1。那么圖像平均灰度值為：u=u0*w0+u1*w1。前景和背景圖象的方差為：g=w0*〔u0-u〕*〔u0-u〕+w1*〔u1-u〕*〔u1-u〕=w0*w1*〔u0-u1〕*〔u0-u1〕，當(dāng)方差g最大時(shí)，前景和背景差異最大，此時(shí)選擇的閥值就是最正確閥值。采用得到的閥值對(duì)圖像進(jìn)展二值化處理，灰度值大于該閥值的像素點(diǎn)設(shè)置為全白，灰度值小于該閥值的像素點(diǎn)設(shè)置為全黑[4]。實(shí)際情況中，路面的某些區(qū)域顏色呈現(xiàn)出來是非彩色的，即飽和度S分量特別低。這種情形下，它的H分量可能是任意值，有可能會(huì)與引導(dǎo)線的H分量相近。因此，直接對(duì)H分量進(jìn)展OTSU算法處理效果不佳。2.3在HSI模型下結(jié)合飽和度S分量對(duì)色彩H分量進(jìn)展OTSU算法處理考慮到需要消去飽和度S分量過低的路面部分對(duì)引導(dǎo)線的干擾，因此需要將色彩H分量和飽和度S分量進(jìn)展綜合考慮。本設(shè)計(jì)首先排除飽和度S分量過低的部分，然后再對(duì)其它部分的色彩H分量進(jìn)展OTSU算法處理，最終得到了滿意的處理效果。3系統(tǒng)軟件詳細(xì)流程本系統(tǒng)軟件流程圖如圖2所示。3.1攝像頭采集地面信息Video4Linux2〔簡稱V4L2〕，是Linux中關(guān)于視頻設(shè)備的內(nèi)核驅(qū)動(dòng)。本系統(tǒng)使用V4L2驅(qū)動(dòng)，得到一幅RGB565格式的圖片，圖片的分辨率為320*240。3.2將RGB轉(zhuǎn)化為HSI模型因?yàn)槲覀円贖SI模型下進(jìn)展圖像處理，所以首先要將RGB格式的圖片轉(zhuǎn)換為HSI模型。3.3圖像預(yù)處理，中值濾波采集到的圖像不可防止的會(huì)受到噪聲干擾，所以有必要對(duì)采集到的圖像進(jìn)展預(yù)處理。常用的濾波算法主要有時(shí)域?yàn)V波和頻率濾波倆種，頻率濾波對(duì)本設(shè)計(jì)使用的處理器來說，運(yùn)算量太大，考慮到系統(tǒng)性能，并不適用。所以采用時(shí)域?yàn)V波的方式。中值濾波是一種部分平均平滑技術(shù)，它依靠模板來實(shí)現(xiàn)，中值濾波的主要功能是將周圍像素灰度值的差比擬大的像素改為與周圍像素值接近的值，所以采用中值濾波可以有效的消除孤立的噪聲點(diǎn)。3.4在HSI模型下結(jié)合飽和度S分量對(duì)色彩H分量進(jìn)展OTSU算法處理首先排除圖片中飽和度S分量過低的部分，然后對(duì)圖片的色彩H分量進(jìn)展OTSU處理，得到一幅二值化圖像，前景為引導(dǎo)線，背景為地面。3.5提取中心線考慮到系統(tǒng)的處理速度，對(duì)連續(xù)的前景區(qū)域，每隔10行取中點(diǎn)，然后通過最小二乘法將所有得到的點(diǎn)進(jìn)展直線擬合，得到的圖像就是引導(dǎo)線的中心線。3.6通過串口傳遞轉(zhuǎn)角和偏移程度給運(yùn)輸車控制板上述步驟中，已經(jīng)得到了引導(dǎo)線的中心線，根據(jù)幾何關(guān)系，引導(dǎo)線的中心線與圖像Y軸的夾角就是運(yùn)輸車與引導(dǎo)線的夾角。中心線中點(diǎn)與它所在行的中點(diǎn)的間隔就是運(yùn)輸車的偏移間隔。S3C6410主控板通過串口將這倆個(gè)數(shù)據(jù)傳遞給運(yùn)輸車控制板。3.7運(yùn)輸車控制板控制運(yùn)輸車運(yùn)行運(yùn)輸車控制板承受到轉(zhuǎn)角和偏移間隔后，進(jìn)展相應(yīng)的計(jì)算，調(diào)整運(yùn)輸車的運(yùn)行軌跡，實(shí)現(xiàn)自動(dòng)循跡功能。4實(shí)驗(yàn)結(jié)果與分析將本文提到的三種圖像處理方法進(jìn)展比照，結(jié)果如圖3所示。圖3〔a〕為原圖，圖3〔b〕是將圖3〔a〕轉(zhuǎn)灰度圖后，對(duì)灰度圖進(jìn)展OTSU算法處理得到的效果圖。圖3〔c〕是在HSI模型下對(duì)圖3〔a〕的色彩H分量直接進(jìn)展OTSU算法處理得到的效果圖。圖3〔d〕是在HSI模型下結(jié)合飽和度S分量對(duì)圖3〔a〕色彩H分量進(jìn)展OTSU算法處理得到的效果圖。圖3〔b〕有大量的噪聲點(diǎn)，處理效果非常不理想。圖3〔c〕比圖3〔b〕的效果略好，但仍有大量的噪聲點(diǎn)。本文采用的圖3〔d〕方法，可以很好的分割出引導(dǎo)線和無效背景倆部分，得到明晰的處理效果。5結(jié)語本文介紹了基于HSI模型的智能循跡車的設(shè)計(jì)方案，系統(tǒng)在HSI模型下結(jié)合飽和度S分量對(duì)色彩H分量進(jìn)展OTSU算法分割圖像以提取途徑引導(dǎo)線。實(shí)驗(yàn)結(jié)果說明，設(shè)計(jì)