關鍵詞：16位微控制器；智能車；圖像處理

doi：10.3969/J.ISSN.1672-7274.2025.04.003

中圖分類號：TP391.41 文獻標志碼：A 文章編碼：1672-7274（2025）04-0007-03

Abstract： This paper is based on the MC9Sl2XS128 microcontroller and applies image processing technology to complete the designanddevelopmentofanew typeof inteligentvehicle.Firstly，the hardwarecompositionof the intelligent vehiclesystembasedonmicrocontrollerswasintroduced.Secondly，completethedesignofreal-time image processing and path recognition modules for inteligent vehicles.Finally，a Hough image segmentation and feature recognition method was designed，and theapplication effect of this method in intelligent vehicle image procesing was verified through experiments.The experimental results show that the Hough image segmentation and feature recognition method has high anti blur abilityand robustness.It can notonly achieve accurate segmentation of the target area，but also ensure smooth denoising effect， which meets the practical application requirements.

Keywords： l6 bit microcontroller; intelligent vehicle; image processing

隨著我國私家車保有量也逐年增多，導致道路車輛數(shù)量不斷增多，交通安全問題以及尾氣污染問題不斷加劇，而基于微控制器的智能車的出現(xiàn)和應用可以解決以上問題，該智能車系統(tǒng)作為一種機電一體化系統(tǒng)，主要運用圖像處理技術和圖像傳感器設備，對周圍環(huán)境進行實時感應和獲取，并對圖像中的重要特征進行提取、識別和處理，從而科學規(guī)劃出最佳路徑，確保車輛在無人駕駛的情況下自動移動至指定的位置[1]。為保證基于微控制器的智能車設計質量和運行性能，強化對圖像處理技術應用顯得尤為重要。

基于微控制器的智能車系統(tǒng)硬件構成

的編碼器，此外，還配置了驅動電動機模塊和舵機模塊，系統(tǒng)硬件結構圖如圖1所示。該智能車運用電源模塊為電動機、攝像頭、編碼器等元件提供源源不斷的電能支持。同時，運用攝像頭采集和獲取所需要的信息數(shù)據(jù)，并將該信息數(shù)據(jù)發(fā)送至CPU，由CPU結合所接收到的信息數(shù)據(jù)，提取具有價值的圖像信息。隨后，選用可行的技術方案，對智能車目標引導線進行提取，并結合車輛中心線，快速確定車輛當前位置信息，結合該位置信息，科學調整和控制電機和舵機，從而提高智能車運行的穩(wěn)定性和可靠性[3]。

基于微控制器的智能車除了驅動電機、速度傳感器，還包括電源模塊、圖像傳感器、車架等元件。該智能車硬件設計和實現(xiàn)，在提高智能車運行穩(wěn)定性和可靠性方面具有重要作用[2]。在進行智能車硬件結構設計時，技術人員要優(yōu)先選用MC9S12XS128微控制器，并選用電壓、電流分別為7.2V、2000mAh的鎳鎘電池，完成對電源模塊設計。同時，還設置了圖像采集傳感器和速度傳感器兩種傳感器，其中，前者選用了OV6620數(shù)字圖像頭，后者選用了E6B2—CW26C型號

2 智能車實時圖像處理和路徑識別模塊設計

2.1圖像采集和預處理

不同圖像信息所對應的灰度值存在很大差異，同時圖像信息灰度值不同所對應的電壓值也不同。運用MC9S12XS128微控制器可以快速區(qū)分不同電壓值大小，從而篩選和識別出灰度值不同的圖像信息4。另外，采用數(shù)模轉換的方式對模擬圖像進行轉換，使其轉換為數(shù)字圖像。應用攝像頭可以實現(xiàn)對海量圖像信息的快速采集，為提高圖像信息處理質量和效率，技術人員需采用隔行處理的方式對圖像進行統(tǒng)一化處理，從而完成對數(shù)字圖像矩陣的有效構建。在該智能車系統(tǒng)中主要運用了數(shù)字傳感器，該傳感器所采集的圖像為數(shù)字圖像，因此，無須對數(shù)字圖像進行模數(shù)轉換[5]。在該智能車中，為確保圖像傳感器能更好地應用于圖像采集，需將該傳感器信號采集頻率統(tǒng)一設置為50Hz ，這說明該傳感器每隔 20ms 進行定時場中斷處理，從而保證數(shù)據(jù)信號同步效果。

2.2黑線提取

黑線提取算法執(zhí)行步驟如下：

（1）采用逐行掃描的方式，快速掃描輸入數(shù)字圖像，并結合各行數(shù)據(jù)分布情況，對各行圖像信息的閾值進行調整和控制，從而實現(xiàn)對黑白跳變點的精確化提取[7]。

（2）運用黑線的連續(xù)性特點，可以提取和獲取本行搜索黑線參考信息。

（3）須結合黑線位置區(qū)域大小，采用動態(tài)調整的方式，對黑線掃描位置范圍進行調整和設置。

（4）圖像信息數(shù)據(jù)量通常比較龐大，技術人員結合所確定好的黑線位置，對本行黑線大致位置進行預測和推斷，從而快速確定出本行圖像信息的掃描范圍，從而提高圖像信息掃描效率和效果，為后期程序快速執(zhí)行提供了保障。

（5）當行黑線跳變點成功提取后，技術人員結合所設置好的權重，快速確定行黑線中心位置，結合該位置信息，尋找和確定黑線變化規(guī)律[。

2.3路徑識別

在進行智能車比賽時，為獲得良好的比賽成績，技術人員需為該車輛設計一個最短行駛路徑。在識別車輛路徑時，首先，要準確地定義和確定黑線的搜索范圍，車輛左轉彎路徑識別示意圖如圖2所示。當引導線呈現(xiàn)出直線時說明車輛處于直行狀態(tài)，車輛前方路徑為直線路徑，此時技術人員可快速計算出賽道的中心值[9]。當車輛前方路徑向左邊轉彎時，技術人員需向左確定出賽道的中心線；當車輛前方路徑向右邊轉彎時，技術人員需向右確定出賽道的中心線。當車輛前方行駛路徑為直線狀態(tài)時，技術人員可結合道路中心線與車輛中心線之間的偏差，對車輛的轉彎方向進行調整和控制[10]。

3 智能車圖像分割與特征辨識

3.1邊緣檢測

邊緣檢測目的是標識數(shù)字圖像中亮度變化明顯的點，邊緣信息可以真實反映出圖像區(qū)域亮度突出的部分。邊緣檢測作為一種重要技術手段，可以實現(xiàn)對圖像特征的快速分析和識別。邊緣檢測算子有多種，包括RobertsCross算子、Prewitt算子、Sobel算子、Kirsch算子、Laplacian算子以及Canny算子等。其中，Canny邊緣檢測算法因其精確性而被廣泛使用，其通過去噪、梯度計算、非極大值抑制和遲滯閾值化四個步驟來識別邊緣。

3.2 Hough變換

3.2.1Hough變換的基本原理

Hough變換基本原理是采用數(shù)據(jù)點變換的方式將直線上的多個數(shù)據(jù)點進行連接變換，從而形成一條直線或者曲線，直線或者曲線可形成一個參數(shù)平面。當多條直線或者曲線相交后，位于參數(shù)空間中的參數(shù)曲線會相交于一點，此時通過計算即可求解直線提取問題。Hough變換的原理不僅適用于直線或者曲線檢測，還可以檢測其他形狀，如圓、拋物線、橢圓等，這些形狀都可以用一定的函數(shù)關系描述。通過構建這些形狀的數(shù)學解析式，將圖像中的像素映射到參數(shù)空間中，Hough變換通過這種映射在參數(shù)空間中尋找特定的模式，從而可以檢測和識別圖像特征。這種變換在影像分析、模式識別等領域得到了成功的應用。

3.2.2Hough變換檢測流程

Hough變換的檢測流程主要包括以下幾個步驟：

（1）圖像預處理：對所獲取的圖像進行灰度化、邊緣檢測等一系列預處理，以突出圖像中的直線或曲線特征。

（2）參數(shù)空間創(chuàng)建：為圖像中的每個點在參數(shù)空間中創(chuàng)建一個累加器，這個過程涉及將圖像坐標系統(tǒng)中的點映射到參數(shù)空間中的一條直線或曲線上。

（3）投票和累加：在參數(shù)空間中，對所有可能通過該特征點的曲線參數(shù)值進行累加，這個過程通過投票機制實現(xiàn)，每個通過特征點的曲線都會在參數(shù)空間中留下痕跡。

（4）閾值判斷與提?。涸O置一個閾值，當累加值超過閾值時，認為檢測到了圖像中的直線或曲線。這個過程可以檢測出圖像中的直線或曲線，并且能夠處理圖像中的噪聲和不完全的線條。

（5）后處理：根據(jù)檢測到的直線或曲線的參數(shù)，進行必要的后處理，如直線擬合等，以得到更加精確的結果。運用Hough變換可以將圖像中的每個點映射到參數(shù)空間中的一條直線或曲線上，然后通過統(tǒng)計參數(shù)空間中直線或曲線的交點來檢測出圖像中的直線或曲線。這種方法對于處理圖像中的幾何形狀效果明顯，可在智能車車道線識別領域發(fā)揮出重要作用。

3.3實驗過程及分析

為驗證基于Hough交換的圖像分割方法在智能車圖像處理中的應用效果，本文選用如圖4所示的競賽用智能車運行條件下的原圖像為實驗數(shù)據(jù)。在具體實驗中，運用數(shù)字攝像頭對所需要的圖像進行拍攝，并利用圖像采集卡對所拍攝好的圖像進行傳輸，同時，嚴格按照所設置好的閾值，運用基于Hough圖像分割與特征辨識方法對圖4的原始圖像進行處理。為了更好地檢測到圖像中的直線，對中間連接線長度進行增加，通過辨識圖像明顯特征，實現(xiàn)對一條跑道的轉換，從而能準確提取跑道信息。同時，還能實時結合圖像信息的灰度值變化，快速分割和識別出目標車輛輪廓，從而調整和控制賽車行駛速度。

結束語

綜上所述，本文所設計的基于微控制器的智能車主要用到圖像處理技術，該技術具有抗干擾性強、抗模糊能力強、魯棒性強等特點，不僅可以實現(xiàn)圖像數(shù)據(jù)的快速提取及還原，同時還能實現(xiàn)圖像噪聲快速消除，達到平滑去噪效果，符合實際應用需求?？傊?，圖像處理技術具有較高的應用價值和應用前景，可在基于微控制器的智能車設計和研發(fā)中發(fā)揮出重要作用。

參考文獻

3.3實驗過程及分析

[1]阮航，尚斐亞，張雯木，等.圖像處理系統(tǒng)在智能車中的應用[J].電子制作，2024，32（5）：21-24.

[2]梁曉妮，楚朋志，肖雄子彥.基于OpenCV圖像處理的智能車巡線系統(tǒng)設計[J].傳動技術，2022，36（1）：15-18.

[3]馬邏雙，孫金秋，馮沖.基于CCD圖像處理的智能車系統(tǒng)設計[J].山西電子技術，2024（3）：37-40.

[4]付杰，王琪，羅小虎，等.基于GNSS/INS視覺融合智能車導航控制策略研究[J].工業(yè)控制計算機，2024，37（1）：36-39.

[5]吳子豪，顏斌，陳龍.基于圖像識別的三輪智能車自動控制系統(tǒng)設計[J].電子制作，2024，32（2）：19-23.

[6]倪可凡，趙駿馳，朱文婷.基于RT1064單片機的智能車設計與實現(xiàn)[J].電子元器件與信息技術，2022，6（10）：59-62.

[7]張賀，宋國平.智能車輛識別圖像處理方法淺析[J].吉林廣播電視大學學報，2023（1）：39-42.

[8]張珊珊，覃志華，廖志遠.基于車牌識別和智能車位鎖的車位管理系統(tǒng)[J].大科技，2024（30）：142-144.

[9]熊中華.基于攝像頭傳感器的智能車循跡算法設計方案[J].電子產(chǎn)品世界，2022，29（7）：69-73.

[10]米湯，尚友良，符曉玲.基于CCD傳感器的智能車路徑識別研究[J].科技與創(chuàng)新，2023（11）：50-53，56.