传感器与智能车的路径识别方式

引言

“飞思卡尔”杯全国大学生智能车竞赛是以HCS12 MCU为核心的大学生课外科技竞赛。组委会提供了一个标准的汽车模型、直流电机和可充电式电池，参赛队伍要制作一个能够自主识别路线的智能车并在专门设计的跑道上自动识别道路行驶，其中比赛限制规则之一就是传感器的总数不能超过16个。由于路径识别在本智能车控制系统中的重要地位，而路径识别结果的好坏又与传感器的选择、传感器的数量有直接关系，因此，本文针对应用于路径识别的传感器进行讨论。

图1 智能车整体实物照片

传感器概述

光电传感器与CCD/CMOS图像传感器是较为常见的应用于路径识别的传感器。光电传感器物理结构、信号处理方式简单但检测距离近。CCD/CMOS能更早感知前方路径信息，但数据处理方式复杂，将CCD/CMOS图像传感器应用于路径识别是发展趋势。

红外传感器分为数字与模拟两种。数字红外传感器硬件电路简单但采集路径信息粗糙，模拟式通过将多个模拟红外传感器进行适当组合，可以再现赛道准确信息，但需占用微处理器较多的AD端口。CCD/CMOS图像传感器可分为线阵式与面阵式两种。线阵式图像传感器应用于系统对检测精度有特殊要求的场合，一般价格较昂贵。面阵式图像传感器应用于普通的视频检测，价格较便宜。对于HCS12单片机的处理能力，在这里只能选用CCD/CMOS图像传感器的信号输出格式为电视信号。

设计方案

针对第一届全国大学生智能车竞赛的赛道特色，基于上述对传感器的说明，下面讨论红外传感器与CCD/CMOS图像传感器的路径识别方案。

基于反射式红外传感器的数字光电传感器阵列的路径检测方法具有较高的可靠性与稳定性，且单片机易于处理。虽然大赛限制传感器为16个，但仍不足以解决精度问题，而且光电传感器本身存在着检测距离近的问题，不能对远方的路径进行识别，降低了对环境的适应能力，影响了智能车的快速性和稳定性。它利用传感器对白色和黑色的反射率大小,把最大、最小值之间分为n个index区间，通过对各个传感器index值的组合基本能够确定智能车的位置,从而对位置和行驶方向都能做较精确的控制。但这种方法对识别道路的计算量大，计算时间较长，且检测距离也不是很远[1]。

基于图像传感器的智能控制，利用CCD/CMOS图像传感器的特点在小车前方虚拟出24个光电传感器，能够精确地感知智能车的位置，并且硬件安装简单，调试方便。基于CCD/CMOS传感器的路径检测方法具有探测距离远的优势，能够尽可能早的感知前方的路径信息进行预判断，再现路径的真实信息。与光电传感器阵列配合使用具有远近结合的优势,且具有较高的稳定性和可靠性。但大赛所要求的MC9S12DG128，总线时钟最高25M，无法实现高级的图像算法和控制算法,且硬件电路较为复杂。

将以上各方案结合MC9S12DG128 MCU的运算能力，在追求系统简洁性的基础上实现智能车控制系统路径识别的准确性，我们选择了基于CCD/CMOS图像传感器的智能控制方案应用于最终的大赛。