基于hsi模型的智能循迹车设计

《基于hsi模型的智能循迹车设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于HSI模型的智能循迹车设计【摘要】本文设计了一种基于HSI模型的智能循迹车，基于S3C6410控制器，以CMOS摄像头作为路径识别装置，通过图像特征实时提取路径信息，在HSI模型下结合饱和度S分量对色调H分量进行OTSU自适应阀值算法处理，实现任意路径识别与智能跟踪。实验证明，智能车能按照任意给定的彩色引导线高速稳定地行驶，实现了小车循迹跟踪运动，达到了较好的实时性、高效性和智能性。【关键词】智能车；HSI图像处理；路径识别0引言随着电子技术和智能控制技术的发展，智能车已经成为自动控制领域内的一个研究热点。自动循迹运输车作为一种移动机器人，主要应

2、用于机场、仓库以及其他需要搬运设备的工况中。本智能车通过CMOS摄像头获取目标道路信息。同时结合当前的行驶状态智能地做出决策，对其行驶方向进行调整，从而实现准确快速跟踪道路的目的。设计要求运输车能自动地沿着一条任意给定的彩色带状引导线行驶，要求引导线颜色与地面颜色有明显的差距。1系统总体方案智能循迹车结构框图如图1所示，采用S3C6410开发板作为系统的控制核心。S3C6410开发板搭载Linux3.0.1操作系统，移植了video4linux2(V4L2)视频设备驱动。由CMOS摄像头采集路径视频信号，将采集到的图片转换为HSI模型，在HSI模型下

3、结合饱和度S分量对色调H分量进行OTSU算法处理，得到由引导线和地面背景组成的二值化图像；然后选取合适的点，采用最小二乘法拟合成一条直线，计算出运输车与引导线的夹角和偏移距离；最后将运输车与引导线的夹角和偏移距离这俩个参数通过串口传递给STM32运输车控制板，运输车控制板进行相应的计算，调整运输车的运行轨迹，实现自动循迹功能［1］。2图像处理方法选择对引导线的判断正确与否决定了运输车能否实现自动循迹功能，因此选择恰当的图像处理算法就至关重要，下面将分析三种图像处理算法。2.1先将彩色图转化成灰度图，再进行图像处理对灰度图进行图像处理的算法主要有基于特

4、征值的二值化，边缘检测等方法。这类方法要求地面颜色比较干净，前景和背景差距较大。但实际路面会无规律的泛白或者泛黑，对这种情况采取将彩色图转化成灰度图，再进行处理的方法显然是不可取的。2.2在HSI模型下直接对H分量进行OTSU算法处理。2.2.1介绍HSI模型。HSI(Huesaturationintensity)颜色模型［2］把彩色信息表示为3种属性，分别是：色调，表示颜色的类型；饱和度，表示颜色的纯度；强度，表示亮度信息。从人的视觉系统看，人眼看到的任一色彩都是这3个属性的结合。HSI颜色模型中围绕轴的角度是色调H，用0度到360度表示，影响着人

5、类的视觉判断；离开长轴的距离为饱和度S，即颜色的纯度，从0%到完全饱和100%；长轴表示亮度I，从黑0%到白100%，体现了光线的明暗程度。HSI颜色空间具有与知觉一致的独立通道，能较好反映人对颜色的感知和鉴别能力［3］。2.2.2最大类间方差法(OTSU)。OTSU的原理：通过自适应阀值，将图像分为前景和背景俩部分。当取最佳阀值时，前景和背景的差异应该是最大的。记前景与背景的分割阀值为t，前景所占比例为w0,平均灰度为uO;背景所占比例为wl，平均灰度为ul。则图像平均灰度值为：u=110*；70+111*/71。前景和背景图象的方差为:8=

6、/70*(1

7、0-11)*(uO-u)+wl*(ul-u)*(ul-u)=wO*wl*(uO-ul)*(uO-ul),当方差g最大时，前景和背景差异最大，此时选择的阀值就是最佳阀值。采用得到的阀值对图像进行二值化处理，灰度值大于该阀值的像素点设置为全白，灰度值小于该阀值的像素点设置为全黑［4］。实际情况中，路面的某些区域颜色呈现出来是非彩色的，即饱和度S分量特别低。这种情形下，它的H分量可能是任意值，有可能会与引导线的H分量相近。因此，直接对H分量进行OTSU算法处理效果不佳。2.3在HSI模型下结合饱和度S分量对色调H分量进行OTSU算法处理考虑到

8、需要消去饱和度S分量过低的路面部分对引导线的干扰，因此需要将色调H分量和饱和度S分量进行综合考虑。本设计首先排除饱和度S分量过低的部分，然后再对其它部分的色调H分量进行OTSU算法处理，最终得到了满意的处理效果。3系统软件详细流程本系统软件流程图如图2所示。3.1摄像头采集地面信息Video4Linux2(简称V4L2)，是Linux中关于视频设备的内核驱动。本系统使用V4L2驱动，得到一幅RGB565格式的图片，图片的分辨率为320*240。3.2将RGB转化为HSI模型因为我们要在HSI模型下进行图像处理，所以首先要将RGB格式的图片转换为HSI

9、模型。3.3图像预处理，中值滤波采集到的图像不可避免的会受到噪声干扰，所以有必要对采集到的图像进行预处理。常