设计一辆采用 OpenCV 和速度编码器的自动驾驶汽车，能够进行车道识别并识别停车标志

时间：2026-05-21 09:19:42

关键字：自动驾驶 OpenCV 速度编码器

手机看文章

扫描二维码
随时随地手机看文章

[导读]该项目是作为 ELEC 424 期末项目的一部分而开发的，在此项目中，我们设计并制造了一辆能够保持车道并进行停车检测的自主遥控汽车，其功能是利用计算机视觉实现上述功能。我们的系统利用 OpenCV 来处理来自车载摄像头的实时视频输入，使汽车能够遵循车道边界并对红色停车标志做出反应。这项工作基于之前的努力，包括 raja_961 的 Instructables 项目“使用树莓派和 OpenCV 的自主车道保持汽车”，以及过去的 ELEC 424 Hackster 项目(如“非凡的 M.E.G.G. 汽车”和“T.E.A.M. 自动驾驶汽车”)，这些项目为我们项目的实施提供了基础。

该项目是作为 ELEC 424 期末项目的一部分而开发的，在此项目中，我们设计并制造了一辆能够保持车道并进行停车检测的自主遥控汽车，其功能是利用计算机视觉实现上述功能。我们的系统利用 OpenCV 来处理来自车载摄像头的实时视频输入，使汽车能够遵循车道边界并对红色停车标志做出反应。这项工作基于之前的努力，包括 raja_961 的 Instructables 项目“使用树莓派和 OpenCV 的自主车道保持汽车”，以及过去的 ELEC 424 Hackster 项目(如“非凡的 M.E.G.G. 汽车”和“T.E.A.M. 自动驾驶汽车”)，这些项目为我们项目的实施提供了基础。

我们系统面临的一个关键挑战是选择合适的图像分辨率以及对转向的 PID 控制器进行调整。经过多次尝试不同的设置后，我们最终选择了 160×120 的分辨率，发现它在计算效率和足够的视觉细节之间达到了最佳平衡，从而能够实现可靠的车道检测。对于转向控制，我们采用了 PD 控制器，其比例增益(Kp)设为 0.09，微分增益(Kd)设置为 Kp 的一半。这些数值是通过反复测试以及对车辆在赛道上的行为观察确定的。虽然这种调整实现了稳定的和灵敏的车道跟随，但我们发现性能可能会因硬件条件(如电池电量)的不同而有所变化，因此需要偶尔进行重新调整。

为了实现停车检测功能，我们采用了一种基于视觉的方法，在 HSV 颜色空间中使用颜色阈值进行处理。我们的函数 isRedFloorVisible() 会对每一帧图像应用红色掩码，并计算红色像素的比例，以此来判断是否存在停车标志。为了提高效率，这一检查是定期进行的，而非每帧都进行。我们还引入了一个状态标志(passedFirstStopSign)来区分第一个和最后一个停车标志。在检测到第一个停车标志后，车辆继续行驶，并利用该标志和经过的时间来正确识别第二个停车标志，从而实现永久停车。这种逻辑避免了误报，并确保在整个赛道上都能实现可靠的行为。