王老师留得作业
五年级 记叙文 2651字 56人浏览 go滚吧滚吧

基于DSP 的高级驾驶辅助控制方案设计

自十九世纪末汽车诞生以来,汽车已经从最初的单一品种发展到现在各种各样用途不同的种类。随着汽车工业的持续发展,汽车的性能、舒适性等都在不断提升,已经成为人类最重要的陆地交通工具之一。全世界的汽车保有量也在逐年提升,中国也已经逐步成为汽车大国。然而,由此引发的交通事故造成的经济损失和社会效应也在逐年增加。汽车自动驾驶系统是一套以计算机图形学、人工智能、机器视觉、模式识别、自动控制等多种学科为基础的综合性系统。本文通过多学科的有机结合,提出了一种自动驾驶系统的体系结构,采用DPS-PCI 接口卡的形式与车载PC 连接,可实现GPS 导航、自动路径规划、车道识别、路上物体(障碍、车辆)识别等功能。对DSP 卡的结构和图像识别算法进行了设计分析。

1 硬件结构设计

本系统的工作原理是通过GPS 对本车当前位置进行精确定位(10 m),将路面标线、上方交通标志、前后方车辆测距和识别以及信号灯的识别结果作为判断条件,实现对车辆自动驾驶系统中转向的自动控制。硬件系统由中心控制单元、雷达测距单元、图像采集及处理单元、GPS 接收及定位单元、转向伺服单元几个部分构成,如图1所示。限于篇幅,本文主要介绍图像采集及处理系统的设计。

本系统采用TI 的高性能定点DSP 芯片TMS320DM648(DM648)作为核心处理单元,采用了镁光公司的MT9T001 CMOS数字图像传感器。以PCI 板卡的方式与中心控制系统相连,板卡上主要硬件功能模块包括:核心DM648 DSP 、 DDR2 SDRAM、PCI 接口以及电源管理器等。本文采用RAW 模式进行数据采集,在RAW 模式下DM648与MT9T001的硬件连接图如图2所示。

系统由1片DM648(DSP)、2片16bitDDR2 SDRAM颗粒(共32bit 位宽) 和1.8V 电源控制器、TPS62007DGS 、TPS54310等组成,采用6层PCB 。本板卡在DM648处理器的EMIF CE0空间连接了32 bit 的DDR2 SDRAM 总线,与2片DDR2 SDRAM 连接。DDR2 SDRAM 用作缓存存储程序、中间数据和图像信息,刷新由DM648芯片自动控制。

DM648片内集成了一个32bit 的PCI 接口,该接口支持PCI-66/33规范,系统通过PCI 总线连接主板以实现DSP 与PCI 主机的数据交换。主机可以通过PCI 接口对片内RAM 和扩展的DDR2 SDRAM的数据进行读取。DM648的外部存储器接口通过EDMA 将数据传输到内存中,EMIF 支持同步FIFO ,为了能够保证系统的实时性,将采集到的数据及时地传送给主机,系统采用了中断处理方式。当FIFO 队列满时,DSP 产生中断,通知PCI 接口模块启动DMA ,主机将读出数据,而后对其进行进一步处理。系统结构如图3所示。

2 软件系统设计

本文软件系统设计主要包括图像预处理、车道识别、其他车辆识别和交通标识识别。就一帧图像而言,图像可分为上、中、下三个部分,分别对应交通信号识别、其他车辆识别和车道识别。

2.1图像预处理

由于CMOS 图像传感器的先天特性以及车内环境对电子设备的干扰等诸多因素都有可能使采集图像的质量恶化,这会直接影响对图像进行识别等后续处理步骤。因此,必须对图像进行平滑去噪处理。本系统采用了空间域的中值滤波方法。

在本文的应用环境(二维中值滤波) 下,利用窗口的滑动性质,可以推导出快速中值滤波算法。

2.2车道检测算法

由于车道基本为白色或者黄色,其中以白色居多,在正常情况下(非雨雪大雾等天气) 可以采用二值化算法将车道与道路分离开来,形成车道线。当然,此时需要采用的二值化算法精度和准确度一定要高,以免影响后续的处理。

2.3二值化算法

图像二值化是提取图像内信息的常见算法之一,主要依靠给定的阂值来界定预判断的像素是否包含有效信息。以8bit 灰度位图为例,大于阂值的像素点灰度值被置为255,反之小于阂值的像素点灰度值被置为0

,以此将不包含有效信息图3 图像采集及处理系统结构图

的像素点剔除。就本文的应用环境而言,车道本身与道路的灰度值相差较大,且车道与水平线之间有一定的角度。因此,本文采用了基于行的自适应阂值分割,当然也可采用基于列的局部阂值分割,两种方式都可以提高分割的准确性。

2.4道路检测

单道路检测算法是系统的重要一环,只有实现对道路的准确识别才可能进行后续的判断。以普通公路为例,道路检测算法主要需要对下述特征进行判断:

(1)颜色,颜色特征是一个明显的判断依据,铺装路而在一般情况下为黑色至黑灰色,与周围景物有很大区别。

(2)形状,路而距离较近的地方为近似平行的两条线,距离越远两条线距离越短,最终在远处近似相交与一点,以此也可作为判断特征。

(3)边缘,铺装路而的边缘一般都具有规则的轮廓,因此一般也会形成比较明显的边缘特征。当然,阴影、道路裂纹等有可能对结果造成影响,这时我们设定路而具有最多的边缘,则能满足需求,然后可以实现车辆的居中行驶。

2.5障碍物检测与避障

经过前一步骤对路而区域确定后,对障碍物的检测就被限定在路而范围内。障碍物的检测使用激光雷达和图像识别算法相结合的方式进行,本文我们主要讨论图像识别算法。由于系统的实时性要求较高,这就限定了我们必须使用尽量快速而且高可靠性的障碍物检测算法。经过对多种算法的综合考虑,基于特征的障碍物检测算法效率高而且容易实现。该算法的基本思想是,首先在本车前方路而使用雷达进行测量,发现障碍物后,运用单位像素灰度等级数检测障碍物的底边,判断处可能是车辆底部存在的阴影,以此来确定车辆可能存在的矩形区域。并根据NMI 特征来对车辆或其他障碍物进行区分,最后通过进行边缘检测和对称性检测,来确定车辆的中心位置。其算法如下:

通过对公路上大量汽车的后视图采样建立图形模板。使用提取的轮廓信息与模板相比较,判断大致范围。并在候选区域内选用3⨯3的Kirsch 边缘算子对边缘线进行提取。并通过相互之间相隔45度的8个卷积核进行卷积运算。选取所有8个方向中结果的最大值作为边缘强度,最大值的边缘模板的方向作为边缘方向,以输出边缘幅度图像。对上一步得出的边缘线做出其外接矩形,使用该外接矩形与模板中的高宽比H =γ和矩形合因子R r =λ的阈值进行对比(r 为

候选者的而积,R 是其外形截距的而积) ,以此对障碍物实行锁定,从而实现避障功能。