基于ARM嵌入式图像处理平台的太阳跟踪系统

置2种工作模式，早晨6：00唤醒跟踪控制系统，系统启动跟踪控制，进入跟踪模式；下午18：00休眠系统，系统关闭跟踪控制，进入待机模式。同时系统采用粗跟踪和精跟踪2种方式，粗跟踪采用视日运动跟踪方法，精跟踪采用基于计算机视觉的跟踪方法。粗跟踪为精跟踪提供初始工作条件，精跟踪保证系统的跟踪精度。
(2)唤醒跟踪控制系统时，采用视日运动开环计算方法进行粗跟踪。粗跟踪的基本过程是：根据太阳运行的天文规律计算，利用系统时间和给定的当地经纬度计算太阳高度角和太阳方位角，并根据计算结果来驱动并控制步进电机，从而调整太阳能电池板的角位置。粗跟踪的目的是为了让太阳进入图像传感器的视野范围，主要用于首次定位和目标丢失后的重新定位。
(3)系统工作在跟踪模式时，周期性采集图像，采用基于计算机视觉的闭环校正方法进行精跟踪。精跟踪的基本过程是：通过对采集图像进行处理，获取太阳角度偏差量。由太阳角度偏差量可得到转台应转过的角度，从而使太阳能电池板能正对太阳。精跟踪的目的是为了保证系统跟踪精度。
(4)系统工作在跟踪模式时，由于阴天、雨天或其他原因，太阳光线很弱或基本看不见，导致CMOS图像传感器无法捕捉到太阳。此时，太阳能电池板的工作效率很低，为了减小跟踪系统能耗，不进行电机动作并保持当前状态。同时设置累计标志S，它表示图像传感器在连续S个采样周期内没有捕捉到太阳。当S累计到设定值N时，采用视日运动开环计算方法重新粗定位，并重置累计标志S。这样在降低系统能耗的同时可以提高系统可靠性。
2．2 基于计算机视觉的跟踪方法
基于计算机视觉的跟踪方法，其基本过程如下：通过对采集图像进行处理，得到太阳位置偏差量。如果偏差在预设阈值范围内，则保持当前状态；如果偏差超出预设阈值F1的范围，则根据偏差的方向和大小调整转台，使得通过图像处理得到的偏差在预设阈值F2的范围内。其中阈值F1的范围比阈值F2的范围大，这样可以减小电机动作次数，降低能耗。
(1)图像处理方法。图像传感器得到图像后，首先进行图像的灰度化。使用屏蔽字和移位操作来得到R，G，B分量，再进行比例转换，得到灰度图像。设置阈值，将图像二值化，得到的图像中的光斑即为太阳。找到太阳位置，计算光斑中心与图像中心的偏差值，将该偏差值换算为太阳方位角和高度角的实际偏差值。
(2)偏差角计算与转台控制。记CMOS图像传感器的焦距为f，像素大小为kx×ky。假设采集图像上太阳位置偏离图像中心的偏差为px× py，则可以计算太阳偏差角如下：
太阳方位偏差角：△α=arctan(px×kx／f)；
太阳高度偏差角：△β=arctan(py×ky／f)。
根据太阳方位偏差角和高度偏差角，通过串口控制转台转动，使太阳能电池板正对太阳。其中转台x轴应转过的角度为太阳方位偏差角，转台y轴应转过的角度为太阳高度偏差角。
2．3 嵌入式处理平台的实现
系统采用S3C2440作为主控制器。利用Linux内核代码，针对本处理器和本系统特点，对内核进行相应的配置和裁剪，编译生成嵌入式内核，并选用yaffs作为根文件系统，将内核映像文件和根文件系统烧写到微控制器中，并编写相应驱动程序。
程序在主机上设计完成后，需进行交叉编译，然后下载到处理器运行。
首先在主机Linux系统下搭建交叉编译环境，这里采用arm-linux-gcc-4．3．2 with EABI版本的交叉编译器，并配置主机和目标板的NFS和FTP网络，以实现主机到目标板的文件下载和主机对微控制器的控制。程序编写完成后，进行交叉编译，生成可执行文件，下载到处理器运行即可。

3 实验结果
3．1 基于计算机视觉方法的跟踪实验
如图4所示是某次精跟踪过程的实验结果，其中(a)为CMOS图像传感器捕捉到的原始图像；(b)为经过灰度化、二值化后的结果，可以看出图像中的太阳已经被提取出来；(c)为精跟踪一段时间后图像传感器得到的图像，可以看出太阳处在图像中心位置，此时太阳光线垂直照射太阳能电池板。

3．2 系统技术指标
对本文提出的太阳跟踪系统进行了性能测试，通过分析测试结果，该系统的技术指标如表1所示。