第七届全国大学生智能汽车邀请赛技术报告
第五章 软件系统设计与实现
5.1 MC9S12XS128MAA单片机的应用概述
5.1.1 PWM模块
本智能车系统中，PWM模块主要用于舵机控制和电机控制，并且都是以级联的方式运用。 5.1.2 PLL
锁相环，用于设置总线频率。我们的小车用72MHz总线频率。在此频率下，可以采集60*120的图像。 5.1.3 ECT
计时器模块。HC12增强型捕捉计时器模块在HC12标准定时器的基础上增
加了一些特点，用以扩展它的应用范围，特别是在汽车ABS方面。 基准计时器的核心仍然是一个16位的可编程计数器，其时钟源来自一个预分频器。该计时器可以被应用于多个方面，包括在对输入波形进行测量的同时产生一个输出波形。波形的脉宽可以在几微秒到数秒的范围内变化。 在我们的小车中，此模块用于行中断和场中断的设置，扑捉2通道的行
中断和3通道的场中断。 5.1.4 PIT
定时器模块。我们用于做定时器中断来检测速度和检测起跑线。检测速度周期为8ms，检测起跑线周期为0.5ms. 5.1.5 SCI
SCI是一种采用NRZ格式的异步串行通信接口，它内置独立的波特率产生电路和SCI收发器，可以选择发送8或9个数据位(其中一位可以指定为奇或偶校验位)。
SCI是全双工异步串行通信接口，主要用于MCU与其他计算机或设备之间的通信，几个独立的MCU也能通过SCI实现串行通信，形成网络。
15
第五章 软件系统设计与实现
MC12里有两个SCI（SCI0和SCI1）。设计SCI串口通信程序，主要是掌握八个寄存器，设置好初始化。
我们用于给PC发送数据，数据包括图像、舵机控制值、电机控制值、实时速度等等。是不可缺少的调试手段。
5.2 摄像头采样与黑线识别
5.2.1 摄像头采样
摄像头的工作原理是：按一定的分辨率，以隔行扫描的方式采集图像上的点，当扫描到某点时，就通过图像传感芯片将该点处图像的灰度转换成与灰度一一对应的电压值，然后将此电压值通过视频信号端输出。摄像头连续地扫描图像上的一行，则输出就是一段连续的电压信号，该电压信号的高低起伏反映了该行图像的灰度变化。当扫描完一行，视频信号端就输出一个低于最低视频信号电压的电平（如0.5V），并保持一段时间。这样相当于，紧接着每行图像信号之后会有一个电压“凹槽”，此“凹槽”叫做行同步脉冲，它是扫描换行的标志。然后，跳过一行后（因为摄像头是隔行扫描的），开始扫描新的一行，如此下去，直到扫描完该场的视频信号，接着会出现一段场消隐区。该区中有若干个复合消隐脉冲，其中有个远宽于（即持续时间远长于）其它的消隐脉冲，称为场同步脉冲，它是扫描换场的标志。场同步脉冲标志着新的一场的到来，不过，场消隐区恰好跨在上一场的结尾和下一场的开始部分，得等场消隐区过去，下一场的视频信号才真正到来。摄像头每秒扫描25 幅图像，每幅又分奇、偶两场，先奇场后偶场，故每秒扫描50 场图像。奇场时只扫描图像中的奇数行，偶场时则只扫描偶数行。我们采用的摄像头320x240，也就是说摄像头扫描的每场中有320 行信号，每个行信号有240 个象素点。其中第24 行到310 行是视频信号，第311 行到下一场的第23 行是场消隐信号。在视频信号区，每行信号持续的时间相同，约为63us；每行的行同步脉冲持续时间也相同，约为4.7us。经实测，S12 单片机经过超频到72M 以后，一行最多可以采到120个点。当摄像头正常放置的时候，采样造成的图像错位是左右错位，正常情况本行黑线是连续的，对黑线识别没什么影响；但是当摄像头旋转90 度后，图像错位是
16
第七届全国大学生智能汽车邀请赛技术报告
上下错位，行黑线段是离散的，需要花费一定的时间进行处理。摄像头都是倾斜安装所拍摄的范围是一个倒梯形，行成进密远稀分布（图5.1 所示），所以采取隔行不均匀的方式采集。
图5.1
5.2.2 黑线识别
所谓黑线识别，就是把摄像头所拍摄到图象中反映赛道的部分提取出来。 这是一个图像分割的过程。图像分割是计算机进行图像处理与分析中的一个重要环节，是一种基本的计算机视觉技术。分割图像的基本依据有两个：连续性和相似性。根据这两个依据图像分割的基本方法可以分为两大类：基于边缘检测和基于区域。边缘是指图像局部亮度变化最显著的地方，因此边缘检测的主要依据是图像的一阶导数和二阶导数。但是导数的计算对噪声敏感，所以在进行边缘检测前需要对图像滤波。大多数的滤波算法在滤除噪声的同时，也降低了边缘的强度。此外，几乎所有的滤波算法都避免不了卷积运算，对于智能车系统来说，这种运算的计算量是S12 单片机系统所无法承受的。阈值分割法是一种基于区域的分割技术，它对物体与背景有较强对比的景物的分割特别有用。它计算简单，而且总能用封闭且连通的边界定义不交叠的区域。阈值分割法的关键在于阈值的确定。如果阈值是不随时间和空间而变的，称为静态阈值；如果阈值随时间或空间而变化，称为而动态阈值。基于静态阈值的分割方法算法
17
第五章 软件系统设计与实现
简单，计算量小，但是适应性差。基于动态阈值的分割方法其复杂程度取决于动态阈值的计算方法。针对本智能车系统，普通的双峰法就能适合绝大部分情况，因为智能车的运行环境是比赛赛道，背景和前景区分明显，且背景简约。但是实验环境并不理想，由于受到光线斜射的影响，有时背景和前景的对比十分不明显，所以需要结合实际情况进行修正。首先但采集完一场的图像时，我们采用双峰法将每一行的阈值先计算出来。目标指引线是有宽度的（2.5cm），只要能探测的目标指引线，指引线的宽度信息对智能车定位系统并无额外的帮助。为达到寻线目的，实际上只要提取目标指引线的某些特征点，要求这些特征点合在一起能反映出指引线的形状。称这些特征点的矩阵坐标为特征位置，只要知道目标指引线的特征位置，我们就可以进一步推知目标指引线的形状和位置。提取目标指引线的矩阵坐标，就是指取一些能代表它的特征点，然后求取这些特征点的矩阵坐标。PORTA口采集到的数据60 行120 列，每行取一个特征点共120 个来反映指引线的情况。我们采用的黑线跟踪算法求取每行的特征点位置。
5.3 算法
5.3.1 程序流程图
18
第七届全国大学生智能汽车邀请赛技术报告
开始 系统初始化，等待行中断信号到来 Y 采集图像 一场采集完？ N 继续读取数据 双峰法求阈值 中心跟踪法寻线 数据处理 舵机控制 电机控制 图5.2 程序流程图
5.3.2 算法概述
5.3.2.1 黑线坐标提取
第一行从整幅图像的第一行的中间向两边查询，遇到相连的两个黑点，确定位置，把左右位置分别存到两个一维数组里，这就是本行左右黑线的位置。下一行查询的开始位置是上一行的左右黑线位置的中点，以此类推，查询完整
19