5.1 黑线中心位置的判定
针对摄像头的模拟输出，我们对系统参数进行了调整。系统频率为48M，总线频率为24M，AD时钟频率为24M，采样时间为两个时钟周期，并选择8位模式。这样，AD实时对摄像头进行采样，获取57×11点图像，并可完成与之相应的大量数据计算。
通过AD对摄像头模拟信号进行采样，我们共提取了57×11个点的信息，即11行，每行57个点。程序对每一行的57个点进行处理得出改行黑线中心的位置。具体算法如下：
通过设定的动态阈值从右到左检测黑线边缘，当先后出现了黑线左、右边缘（反映在数据上为数据的负跳变和正跳变），便认为左右边缘的中心就是黑线中心位置；若未检测到边缘、或只检测到一个边缘，则认为未发现黑线。另外，对黑线宽度的限制也可降低误判率。
由于摄像头的安装存在倾角，反映到图像上，会有近大远小的效果（见表5-1中相应排的线宽），2.5cm的黑线，在AD采集到的最近一排数据中对应12个点，在最远一排对应3个点。所以在用到宽度上的信息时，学要加以纠正。
试验中发现，CMOS摄像头受光线影响很大，当模型车朝向玻璃窗方向时，很容易出现盲区，在监视器屏幕下观察，视野中是一片白色，无法分辨出黑白颜色。我们尝试通过调整动态阈值来避免盲区，效果不佳。
表5-1 摄像头数据
5.2 赛道信息分析
相对红外方案，摄像头方案无疑能获得更多的信息量，但如何利用好这些信息，也对程序的设计提出了更大的挑战。
经上节提到的位置判定算法后，我们得到了11个相应距离上黑线的位置。每一条线与车前沿的距离如下表所示。我们选择了其中第5排（距车前沿20.5cm）黑线的偏移量来计算偏移量P值，用第5排和第8排计算出来的斜率作为D值。用P＋D控制舵机的转向。在计算D值时，为消除图像近大远小的影响，我们将不同距离上黑线位置通过查表乘上了一个校正系数，使D值真正反映黑线斜率。
对于路径弯曲程度的计算，先求出黑线中心位置，即各行黑线位置的平均值，再对个行相对此位置的偏差求和，便得到了反映道路弯曲程度的量值。据此来对行驶速度进行调节。
