湖北师范学院机电与控制工程学院2014届学士学位论文（设计）
4.6 电机驱动电路设计
本设计采用两片IR2104作为驱动芯片，采用4个IRF3205构成H桥电路。通过控制4个MOS管导通和关断来实现正反转，并通过控制输入的PWM波的占空比来调节电机两端的平均电压，达到控制电机转速的目的，具体电机驱动电路如图4.13所示，实物如图4.14所示。
图4.13 电机驱动电路图
图4.14电机驱动实物图
IRF540是一个大电流（30A）、高耐压（100V）、低导通电阻（0.077Ω）的N沟道场效应管。IR2104驱动芯片工作电压是正12V，由MC34063AP1稳压得到。MC34063AP1可用于升压变换器、降压变换器、反向器的控制核心[12]。
IR2104驱动芯片的2脚是由单片机产生的PWM波控制，当U1的2脚输入高电平，其工作情况为：U1的7管脚（HO）输出7.2V的高电平驱动电压，5管脚（LO）输出
15
湖北师范学院机电与控制工程学院2014届学士学位论文（设计）
0V低电平驱动电压；U2的7管脚（HO）输出0V的低电平驱动电压，5管脚（LO）输出7.2V高电平驱动电压。则4个IRF540工作情况：Q1、Q4关断，Q2、Q3导通，电机正转；当U1的7管脚（HO）输出低电平驱动电压时，则Q1、Q4导通，Q2、Q3关断,电机反转。
5 系统软件设计
5.1 系统软件执行总流程图
软件系统的主要功能是主控制器从摄像头拍摄的图像中识别出前方路径的类型和智能小车此刻具体位置，然后控制舵机让智能小车转向，控制电机改变小车的速度，在智能小车遇到停车标志时就控制智能小车停车。本系统软件部分主要包括：系统初始化、摄像头图像采集、导航线边沿提取、中心线拟合、路径类型识别、舵机控制和电机控制，停车标志识别。整个系统软件流程图如图5.1所示。
开始系统初始化图像采集N采集完成Y导航线边沿提取N中心线拟合中心线拟合路径类型识别舵机、电机控制停车标志Y结束
图5.1 整个系统软件流程图
在系统初始化部分，主要完成单片机的初始化，包括总线的时钟设置、普通IO端口功能的设置、SCI串口波特率设置、ECT输入捕捉功能设置和PWM模块周期的设置。在系统完成初始化后，就可以通过捕捉摄像头输出的场中断和行中断信号开始图像采
16
湖北师范学院机电与控制工程学院2014届学士学位论文（设计）
集，把路径的信息保存到数组中。在图像采集完成后，主控制器开始对图像进行分析和处理，主要是提取出路径两边黑导航线的内边沿，两边沿之间即白色的路面。智能车比较好的行驶路径是沿着路径的中心线跑，所以需要根据已提取的导航线信息拟合出路径中心线，然后再依据拟合的中心线识别出当前路径的类型和弯曲程度，最后主控制器给出舵机和电机控制量，不同的路径类型控制量的大小不一样。在智能车行驶一段时间后主控制器开始判断是否检测到停车标志。 5.2 摄像头图像采集
对于智能车系统而言，不需要逐行采集图像，间隔若干行采集就可较好地获取前方路径的信息[13]。在一场图像中隔几行采集一次，这样图像采集的过程中就会存在一些空闲时间，可以利用这些时间来对图像进行处理。这种方法的优势在于：
(1) 图像处理嵌入到图像采集的过程中，有效解决了单片机处理图形信号能力不足的缺陷。
(2) 图像采集的时间可以更多，可以充分获取路径的信息。同时也能够为智能车的控制算法预留出更多的时间。 图像信号采集的流程图如图5.2所示
中断入口场中断NY场中断服务函数清除场中断标志N行中断Y行中断服务函数清除行中断标志主函数断点
图5.2 图像信号采集流程图
17
湖北师范学院机电与控制工程学院2014届学士学位论文（设计）
单片机从摄像头数据端口读取的全是0至255之间的图像数据，对应实际图像相应像素点的具体像素值[14]。为了便于图像的分析，考虑到智能车实际运行的环境只有深色的背景、黑色的导航线和白色的KT跑道，所以只需采用简单的二值化方法就能对图像进行很好的分割。根据设置阀值方法的不同，二值化方法又可分为动态阀值法和固定阀值法[15]。动态阀值法是指阀值根据具体图像不停改变，这种方法在每次对图像二值化前需先去确定阀值，处理比较复杂，占用时间长，比较耗费单片机资源。而固定阀值法是指智能车整个运行过程中只采用一个固定的阀值，这种方法运行快，比较简单。本智能车运行的环境光线非常均匀，干扰小，故固定阀值法非常适合本智能车系统。图像二值化后保存在数组picture[38][100]中。直道入弯处二值化后图像如图5.3所示。
图5.3 二值化后图像
二值化图中只有字符0和1，其中字符0代表黑色的导航线和深蓝色的背景，字符1代表白色的路面。通过返回的二值化图像知采用固定阀值法对灰度图像进行分割的效果非常好。
5.3 路径双导航线提取
路径双导航线的提取是整个智能车系统正确运行的基础，关系到后面路径类型识别和电机、舵机控制是否准确。能否提取出路径两边导航线边沿和有效克服干扰是路径类型识别的关键[16]。由于导航线位于路径的两边，导航线提取很复杂，数据处理量大，处理不当会耗时比较长，影响主控制器对舵机、电机及时进行控制，因此本系统对双导航线提取算法执行效率要求比较高。另外路径还增加了虚线路径类型，这无疑使双导航线提取更加困难。导航线的提取主要是要提取出两边导航线的内边沿，两边沿之间即白色路径的范围。
18
湖北师范学院机电与控制工程学院2014届学士学位论文（设计）
针对路径的特点，提出了三种双导航线提取方法，即图像中心往两边提取方法、路径中心跟踪提取方法和小范围搜索法。经过大量调试，最终采用小范围搜索法提取路径两边导航线。
5.3.1 图像中心往两边提取方法
图像中心往两边提取的基本思想：经过分析，发现摄像头返回的数据，在近端比较清楚，并且就算在不同光线下，变化也不是太大，故每幅图像从底部行开始搜索导航线。每行图像从图像中心向两边同时开始搜索白色路径和黑色导航线之间白到黑跳变沿，本系统图像每行有100个点，因此图像中心为50。在往左搜索时图像由连续的白点跳变到连续的黑点时，认为找到左边导航线，并把白点到黑点的跳变位置记为左边导航线的内边沿。同理，向右搜索时图像由连续的白点跳变到连续的黑点时认为找到右边导航线，记下白点黑点的跳变位置作为右边导航线的内边沿。这样逐行搜索，直到整幅图像搜索完毕。图像中心往两边提取方法具体流程图如图5.4所示。
开始变量初始化中心往左搜索中心往右搜索白到黑跳变YN作为左边沿白到黑跳变Y作为右边沿N一幅图像搜索完Y结束N
图5.4 图像中心往两边提取方法流程图
使用该方法程序编写容易，原理简单，思路清晰，特别是对十字路口和虚线处导航线的提取效果很好，不容易丢线。但是程序执行效率不高，主控制器处理时间长，且图
19