摘要：視覺導航作為新興起的技術，受眾多研究者的青睞．設計了以現場可編程門列陣（FPGA）為控制核心的自主導航小車，采用一種新穎的自適應路徑識別算法實現路徑的識別與提取，并結合圓弧路線規劃和控制策略完成小車的自主導航控制．自適應路徑識別算法使導航小車可以適應多種光照和路面條件．測試結果表明，小車能夠在不同光照條件下的實驗室和露天田徑跑道環境中實現較好的導航效果，在田徑跑道上的導航測試中，小車的最高運行速度達到３.５ｍ／ｓ。

目前，在視覺導航小車的研究中所采用的控制處理核心大多是單片機或數字信號處理（DSP）芯片［1-2］。這類處理核心的優點是成本低，使用方便．但是由于單片機和DSP的圖像處理速度有限，所以需要對視頻圖像進行下采樣處理，以適應視頻采集的速率，從而影響了圖像處理和識別的效果．采用現場可編程門列陣（FPGA）芯片可以大大提高圖像處理和識別的速度，克服以上缺點．FPGA是一種新型的信息處理系統，是一個介于軟件和硬件之間的計算平臺．它既可以像軟件一樣現場編程，也可以像硬件一樣直接控制門電路進行運算，這個特性使得它更易于實現并行運算，提高圖像處理速度，保證圖像處理的實時性．因此FPGA非常適用于視覺控制系統的控制中心［3］。

在迅速準確地處理和分析圖像的基礎上，控制處理中心可以實時獲得小車與路徑的相對位置，并依此對小車進行路線規劃和運動控制，實現小車的自主導航．在路線規劃方面已有大量的研究［4-15］。Liu［９］、Fu［10］等以小車當前位置與目標位置之間的距離和轉角偏差作為參數設計模糊控制表，對小車進行控制；Hsueh等［11］對位置和角度偏差的計算方法進行改進，并設計比例－積分－微分（PID）控制器，實現了小車自主導航；劉海濤等［12］提出了基于模式匹配的模糊控制方法；李進等［13］提出了直線擬合提取路徑信息，結合PID控制完成小車自主駕駛的方法．任永新等［14］提出將控制分成２部分：大轉角部分采用模糊控制、小轉彎的路徑采用精確的控制方法．在小轉彎時，設計一條規劃圓弧路線，依據此圓弧路線的曲率半徑，通過一定的轉換關系得到控制小車２個驅動輪轉速的控制量，實現小車的轉向控制．本文以OV7620作為圖像傳感器，以FPGA為核心控制器，通過圖像采集、路徑識別以及查找表技術實現了小車導航控制系統。

１　硬件結構

自主導航小車的圖像獲取采用搭載OV7620圖像傳感器的C3188攝像頭模組，FPGA控制板采用Xilinx公司的Spartan3E開發板，小車為恒龍3851-2遙控四驅越野模型車。

小車通過圖像傳感芯片OV7620獲取圖像信息。FPGA以圖像傳感器芯片提供的３個時鐘信號作為同步信號完成圖像采集．通過FPGA控制板的數字接口直接連接攝像頭的８位數據線和相應控制信號，實現視頻信號的快速采集．圖像速率為30幀／s。

２　路徑識別與路線規劃

２．１　路徑識別
路徑識別首先要對圖像進行二值化處理。雖然在圖像二值化算法方面已經有很多研究，由于視覺導航對運算速度有很高的要求，所以普遍采用最簡單的固定閾值方法．但是固定閾值二值化方法對環境的光照條件和背景噪聲非常敏感，使得相應的路徑識別效果對環境條件要求高，而且非常不穩定．因此我們提出了一種自適應的路徑識別方法，把圖像二值化、路徑位置和寬度的確定這兩個分立的步驟結合起來，從一組預設的路徑寬度和二值化閾值出發，對圖像進行逐行處理，并根據上一行的寬度和閾值計算結果對寬度和閾值的預設值進行調整，當預設值與測量值趨于平衡時，識別結果趨于準確．具體的流程如圖１所示．在上電初始化時，以初始的閾值、車道寬度值和路徑中心點值作為預設值，對圖像第一行數據進行如下處理：
１）對一行圖像進行均值濾波。
２）根據預設的閾值對圖像進行二值化處理。
３）從預設的路徑中心點出發分別向視野的兩側搜索路徑邊緣。
４）計算路徑寬度和路徑中心點，把計算的路徑寬度值與預設值比較．當計算寬度值大于預設寬度值時，提高預設寬度和二值化閾值，反之作相反調整．路徑中心點直接作為新的預設路徑中心點。
５）若已到本幀圖像的最后一行，則跳到６）處理，否則返回步驟１）處理下一行圖像數據。
６）在下一幀圖像開始時，以上一幀圖像最后一行圖像處理后得到的路徑寬度和閾值作為預設值返回１）進行處理。

在以上自適應算法中，圖像的濾波和二值化是同時進行的，系統只需要存儲一行二值化后的圖像，在提高處理速度的同時，有效降低了存儲需求。

在步驟３）中，采用卷積的方法對路徑邊緣進行檢測并計算路徑的位置和寬度，其流程如圖２所示。從預設中心點向兩邊同時掃描，確定路徑的邊緣．利用路徑自身的連續性，使上一行的檢測結果在下一行的檢測中得到應用，有效提高了算法的穩定性和適應能力。

圖２中２個卷積函數在硬件上的實現方式分別為

從上式可知，Ｖ１、Ｖ２的取值范圍為８～１６，故定義當卷積值大于或等于１２時為路徑邊緣點判據．當左右邊緣搜索結束后，根據如下規則確定這一行路徑中心點和路徑寬度．記前一行路徑中心點為Ｍ０，當前所掃描到的左邊緣位置為Ｌ，右邊緣位置為Ｒ，當前行的路徑中心點位置Ｍ 和路徑寬度Ｗ 的計算方法如下：

以上４點中，除了第４）外，其余３點都對閾值及預定的路徑寬度進行了調整．我們用上一幀圖像第一行路徑的中心位置和寬度作為下一幀圖像的中心位置和寬度的預設值。

２.２　路線規劃
小車上的攝像頭是固定的，其視野范圍也隨之固定。圖３給出攝像頭的視野范圍及相對位置，其中梯形框為視野范圍，ｙ軸為小車前進方向，Ｏ為小車前軸中心點，Ｄ 為視野最前方的路徑中心點，即目標點．規劃路線為通過Ｏ 和Ｄ 點且與ｙ 軸相切的圓?。谛≤嚻x了路徑的情況下，規劃路線可以引導小車逐漸回歸導航路徑．根據圖３給出的幾何關系，可以得出規劃路徑的曲率半徑Ｒ 滿足方程

?

圖４給出小車在圓弧上行駛的示意圖，其中Ａ，Ｂ兩點分別代表小車前軸和后軸的中心點，Ｌ 為小車主軸的長度．從圖４可以得到小車舵機轉角與規劃路線的曲率半徑Ｒ 之間關系

ｓｉｎα＝Ｌ／２Ｒ． （３）
由于在實際行走的路線中，實際路線的曲率半徑Ｒ 遠大于車軸Ｌ，因此，式（３）可以簡化成
α≈Ｌ／２Ｒ． （４）

根據式（４）計算的轉角，可以對小車的舵機轉角進行實時控制．實驗中的小車采用脈沖調制（ＰＷＭ）控制器來控制舵機轉角．舵機轉角與輸出給控制器的占空比成正比，有
α＝μｘ， （５）
其中ｘ 為占空比，μ為比例系數。

由式（３）～（５）可知，控制舵機轉角的占空比與規劃路線的曲率是成正比關系

由于導航過程中，ｂ保持不變，所以只需測得目標點Ｄ 在視場中的橫坐標值ａ，即可根據式（７）求得控制所需的占空比，實現的小車的導航和控制。

任永新等［14］同樣采用圓弧路線規劃，但是采用小車前軸中點與預瞄點之間的距離為路線參數，這不利于計算，而我們給出的公式更有利于在圖像上直接獲得，更便于實時性計算．傳統的模糊控制中將路徑分區段和類型進行控制，控制是不連續、不精確的，而本文提出的圓弧路線規劃算法則具有連續精確控制的優點。

３　FPGA實現

ＦＰＧＡ控制系統采用ＦＰＧＡ作為控制核心，在算法的實現方式上與傳統的軟件算法有著較大的區別，如圖５所示。

圖５中有３個模塊：圖像采集、濾波及二值化模塊、路徑識別模塊、小車控制模塊．每一個模塊都對應一個獨立的電路結構．由于是硬件實現，整個系統的不同部分是并行工作的。

在ＦＰＧＡ中濾波通過８個８ｂｉｔ的移位寄存器和一個加法器實現，而二值化由一個比較器和一個二路選擇器來實現．濾波和二值化采用流水線設計，使二項操作可以并行進行．在采集圖像的同時完成濾波和二值化，以節省邏輯資源和提高運算速度。

二值化后的數據傳到路徑識別模塊，并逐行進行邊緣檢測．邊緣檢測同樣采用流水線設計，使整個系統的各部分都處于并行運行狀態．與需要高度下采樣才能跟上視頻速率的單片機或者ＤＳＰ系統相比，我們的并行處理系統可以對實際圖像無壓縮的處理，提高了路徑識別的準確度。

通過路徑識別模塊對圖像的處理，找到路徑與視場中心點的距離，即ａ 的值．根據式（７）即可計算出需要向小車舵機控制器輸出的占空比，并生成符合占空比要求的脈沖信號．式（７）中除了ａ 值之外都是固定值，其中比例系數可通過實驗測量，所以可以事先計算出與每個ａ值對應的占空比ｘ，并儲存到FPGA芯片中．在實際導航過程中根據實際ａ 值進行查表運算得到所需要的占空比．這樣既可以提高運算速度，又可以節省邏輯資源．我們的視頻圖像每行共有３２０個像素，所以只需要儲存３２０個ｘ 值即可。

圖像采集系統采用的ＯＶ７６２０感光芯片的幀率為３０幀／ｓ，由于采用了ＦＰＧＡ 并行處理技術，系統可以實時處理３０幀／ｓ的圖像信息，在保證實時性的同時提高了小車導航的靈敏度和可靠性。

整個系統共使用２457個４輸入的查找表（ｌｏｏｋｕｐ－ｔａｂｌｅ，ＬＵＴ）單元，占總資源的２５％。

４　系統調試與實驗結果

４.１　占空比與曲率半徑關系測量

由式（７）可知ＦＰＧＡ在控制小車舵機轉角所輸出的占空比與模擬圓弧的曲率為正比關系．通過測量占空比與路線曲率的關系即可得到λ 值．給小車設定一系列固定占空比，然后測量小車行駛圓弧路線的曲率。圖６給出了占空比與小車行駛圓弧路線曲率的關系。

通過圖６，可以得出式（７）中比例系數為0.9206。利用這個比例系數和實際測得的ｂ值，就可以根據規劃路線的曲率半徑得出應輸出的占空比。

４.２　實際導航測試
圖７給出小車在室內實驗路徑環境下，測試自適應算法時所采集的圖像信息．從圖７可以看出，二值化后的路徑開始的一段呈鋸齒狀，而在此之后的得到的路徑邊緣是光滑的．說明在開始時，二值化閾值處于調整階段，在一定時間后達到適應于當前環境的閾值。

小車的實際導航效果分別在實驗室路徑和田徑場的實際跑道路徑進行了測試．實驗室頂部有６支日光燈管，側面有２扇窗戶．在實驗室內４種不同光照條件下進行了實際導航測試：６支燈管加上２扇窗戶照明、２扇窗戶照明、１扇窗戶照明、0.5扇窗戶照明．在實驗室環境下還測試了路徑部分遮掩和平行干擾路徑對導航效果的影響．實驗室環境的測試路徑如圖８所示。

測試結果表明，小車在不同的光照條件下都能準確沿著直線部導航．在轉彎部分偏離了較小的部分，但不超過３cm，實現了較好的導航效果。

為了測試小車在更復雜的路徑環境下的視覺導航能力，我們在露天的400ｍ標準田徑跑道上進行導航測試。在實際測試中，其偏離路徑的最大距離隨著其速度增加和跑道上雜物的干擾而略有增加．小車的最高測試速度可達３.５ｍ／ｓ，此時小車偏離跑道的最大距離約為４～６ｃｍ，展現了較好的導航效果．我們還在早、中、晚不同時間段對小車的導航效果進行測試，證明小車可以在不同露天光照條件下進行準確導航。

５　結　論

本文介紹了一種基于ＦＰＧＡ 的視覺導航小車系統，采用ＦＰＧＡ作為處理控制中心，實現對圖像的并行高速處理；提出了一種自適應路徑識別算法，和圓弧路線規劃算法，實現了在多種光照條件下和復雜路徑條件下的準確導航。