基于K60信标灯检测的野外搜救智能车设计
来源:用户上传
作者:
摘 要:文中以自动报警营救演示系统为主题,模拟现实生活中人员遇害需要救援时能及时地进行检测定位并实施救援的场景。信标灯内部为红色可见光或红外不可见光,而智能小车以K60为核心控制板,通过摄像头采集图像并进行二值化处理,再使用横行三点判别法和均值计算法进行信标灯光斑的识别及光斑中心坐标的计算,对图像进行降噪,将图像处理结果转化为车辆的方向参数。使用K60核心板的FTM0模块,输出4路PWM占空比值,用于开环驱动4个电机正反转向和转速大小。
关键词:人员搜救;信标灯;K60核心板;横行三点判别法;均值计算法;图像降噪处理
中图分类号:TP333.3 文献标识码:A 文章编号:2095-1302(2020)05-00-03
0 引 言
现如今,随着人们生活水平的提高和科技的智能化,人们越来越追求精神层次的享受。文献[1-3]提出现阶段智能车的研究发展以及控制系统,这些研究推动了智能车领域的推广和应用,对社会发展和人们安全做出很重要的贡献,人们越来越热衷于旅游,但人员伤亡也很大比例上升,而本文针对这一现象提出相应的智能车救援系统。该智能车对于野外或海上活动遇险人员可以进行准确定位,方便救援人员迅速有效地进行人员搜救,减少人员意外死亡数。本文利用信标灯进行模拟测试,信标灯周围有磁感应线圈,通电后会随机亮灯,与此同时智能车通过识别信标灯进行定位,在车模底盘安装一个永磁铁作为标签,当车模靠近信标灯时,永磁铁会与磁感应线圈产生感应,信标灯熄灭。至此,则认为成功救援一人。
本系统模拟过程如下:模拟野外遇险并进行营救,设计模拟遇险人员为6个信标灯,模拟救援队员自动识别的智能车,信标灯随机点亮,以此模拟有一个遇险人员,且该遇险人员已发出警报,智能车从发车区出发,自动识别被点亮的信标灯,靠近信标灯致使信标灯熄灭时,则救援成功。此时解除该警报,再随机亮起另一个信标灯,循环以上过程,直到6个遇险人员全部救援成功,则模拟完成整个人员搜救过程[4]。智能车的车模采用“恩智浦”杯信标组的H车模,即使用麦克纳姆轮实现平移、转弯。模拟场景如图1所示。
1 整车系统逻辑设计
整车的设计从摄像头开始,摄像头采集图像,即原始灰度图像,通过灰度图像的二值化处理,进行光斑的像素和显示屏像素的比对,判断是否为信标灯,以避免杂光的干扰,通过横行三点判别法和均值法识别信标灯并获取光斑的中心坐标,同时进行降噪处理,避免信标灯闪烁的干扰。然后,将光斑坐标转换成为车辆方向参数,以控制麦轮车模的运动,并对运动方向进行修正,选取路径冲向信标灯,车盘上安装的永磁铁与信标灯周围的磁感应线圈反应而灭灯,此时车模原地旋转等待下一个信标灯亮起。具体操作流程如图2所示。
2 MT9V032摄像头采集图像及处理
图像处理是整个小车设计的核心,MT9V032摄像头采集到的原始图像为灰度图像。文献[5]提出通过智能车进行信标灯塔追踪检测方法,对摄像头图像进行二值化处理,灰度图像经过二值化处理后,可提取出信标灯。飞卡信标灯的特征是对外发送固定频率的红色可见光和红外不可见光,该信标灯的亮度远远大于环境光线。因而通常需要设置一个二值化阈值,将灰度高于阈值的像素点判断为“白点”,即将二值化后的灰度人为设置为灰度最大值255;将灰度低于阈值的像素点判断为“黑点”,即将二值化后的灰度人为设置为灰度最小值0。经过二值化处理后的图像中,白色区域即信标灯的光斑或干扰光线,黑色区域即周围环境。将二值化后的图像首先发送到车的TFT显示屏上,便于调车使用。二值化后显示屏中所显示的图像如图3所示。
2.1 横行三点判别法
采集到原始灰度图像总共有120行,其中信标灯光斑共占20~30行。每行从左向右,将3个连续的像素点分别与二值化阈值相比较,对其进行二值化处理,如果处理结果是每行都至少有连续的3个亮点,则说明该行存在光斑,进而光斑是一个n×3的长方形矩阵,符合该矩阵特征的亮斑,就认为是要寻找的信标灯。三点判别光斑模型如图4所示。
2.2 均值计算法
文献[6]提出通过利用信标节点的N次三边质心加权法进行移动节点的实时定位,本文通过对该方法稍作处理,以准确识别信标灯的位置。
为了较为准确地识别到信标灯光斑及其位置,需要在上述横行三点判别法的基础上,对各行光斑像素点的横纵坐标分别进行均值计算。
以行为例说明:每行从左往右数,由j=0像素點起,右数3个亮点的横坐标相加再除以3,求得第1组中值 ;同理由j=1起,右数3个亮点的横坐标相加再除以3,求得第2组中值。依次计算若干组中值,将这若干组中值累加求和,然后除以其总组数,计算结果就是信标灯光斑中心横坐标MIDX,这样就完成了均值计算。模型图如图5所示。
2.3 降噪并进行车辆方向参数转换
文献[7-10]提出一系列方法对图像边缘进行降噪处理,保护图像细节的方法,例如:去除椒盐噪声、SAR图像降噪、各向异性扩散的图像降噪以及偏微分方程的图像降噪,这些方法对于保护图像细节有很好的效果。文献[11]提出根据小波系数的局部统计量选取阈值和相关参数方法的SAR图像斑点降噪。本文根据这些方法的综合考虑,避免信标灯闪烁造成的干扰,当图像处理结果为光斑中心横坐标在坐标原点,此时初步判定为“无灯”,进而设立“信标灯光斑出现次数计数标志位”自增,只有当该计数标志位不小于5时,才判定为“无灯”。
光斑中心横坐标已求出,用这个横纵坐标值与方向计算基准常量相减,可求出一个初步的偏差值。为避免此偏差值过小,导致车子无明显反应,或者偏差值过大,导致车子反应剧烈甚至“超调”,进而乘以一个修正比例参数。由此,适当调整修正比例参数,则可得到合适的车辆方向修正参数。
3 控制车辆运动方向 由于麦轮车模4个麦轮既控制车辆运动速度,又控制车辆运行方向,因此要把车辆方向修正参数加到车子前进函数的4个电机控制PWM参数上。
文献[12]提出通过DSP产生的可变占空比PWM波来实现对喷头温度PID控制的方法。文献[13]提出利用PID算法处理得到PWM控制参数,由单片机PWM单元输出PWM控制信号的方法。
本文通过对PWM参数的控制,车辆方向得到有效的调整,在车子识别到信标灯并向着信标灯运动过程中,当光斑位于图像右半部分时(光斑中心横坐标存在右偏差),求得的车辆方向修正参数小于0,左侧两轮加速正向运动,右侧两轮减速向前运动。车子一边朝向信标灯运动,一边逐步缩小右偏差,直至车子方向朝向正中(偏差缩小为0),然后车子笔直地冲向信标灯[14-17]。当光斑位于图像左半部分时(光斑中心横坐标存在左偏差),同理可以消除左偏差。
4 结 语
本文介绍自行设计的基于K60核心板的遇险人员报警和救援人员通过智能车进行搜救的智能车设计思路,从摄像头获取图像到智能车检测到并灭掉信标灯,该过程需要对图像进行处理、控制算法、电机驱动等多方面的结合,而图像处理更是整个体系的基础和核心,对图像的处理从灰度图像到二值化图像,再从横行三点判别和均值判别到通过图像处理结果转换为车辆运动方向控制参数,整个过程中,图像处理技术起到了重大作用。在算法方面,使用C语言编程,通过IAR Embedded Workbench 8.30进行代码调试,得到一套完整的自主搜救智能车的设计流程。
参考文献
[1]兰京.无人驾驶汽车发展现状及关键技术分析[J].内燃机与配件,2019(15):209-210.
[2]张睿.基于K60的智能小车控制系统设计与实现[D].杭州:杭州电子科技大学,2014.
[3]孙振平,安向京,贺汉根.CITAVT-IV:视觉导航的自主车[J].机器人,2002(2):115-121.
[4]刘晨,崔斌.基于单片机的智能循迹小车设计[J].时代农机,2019,46(3):99-103.
[5]杨超,刘晨晖,杨肖,等.一种智能汽车竞赛的灯塔检测及路径规划方法[J].现代计算机,2019(15):75-77.
[6]邱铁.物联网中大规模感知节点建模与性能优化[D].大连:大连理工大学,2012.
[7]万丰丰,周国民,周晓.一种去除椒盐噪声的自适应模糊中值滤波算法[J].浙江大学学报(理学版),2019,46(4):445-453.
[8]郑永恒,程建,曹宗杰.改进非局部均值滤波的SAR图像降噪
[J].中国图象图形学报,2012,17(7):886-891.
[9]余锦华,汪源源.基于各向异性扩散的图像降噪算法综述[J].电子测量与仪器学报,2011,25(2):105-116.
[10]陈守水.基于偏微分方程的图像降噪及质量评价研究[D].上海:上海交通大学,2008.
[11]万晟聪,杨新.基于自适应小波阈值的SAR图像降噪[J].信号处理,2009,25(6):874-881.
[12]陈涵,陆蕴香,乔玉鹏,等.基于PWM和PID对三维打印喷头的恒温控制[J].贵州师范大学学报(自然科学版),2015,33
(2):72-75.
[13]李香宇,王世功,王萌,等.基于PID算法和PWM控制的温控系统设计[J].仪表技术,2016(5):31-33.
[14]孙肖林,花怀海,杨焜,等.信标系统及智能车硬件系统的设计研究[J].电子世界,2017(11):176.
[15]张鹏,宋成,陈璐寒.基于信标灯检测的智能小车设计[J].通讯世界,2016(22):299.
[16]卢宝全,李仄立.基于STM32F411RET6的智能搜救系統[J].电子世界,2016(13):149-150.
[17]李伟领.基于K60智能小车速度控制系统的研究与发展[J].电子技术与软件工程,2017(12):249-250.
转载注明来源:https://www.xzbu.com/8/view-15244343.htm