智能車陽光算法

1、智能車陽光算法摘要：在第十四屆恩智浦杯全國大學(xué)生智能車競賽中，競賽組委會創(chuàng)新性地在 賽題中加入了陽光的元素，使得原本簡單的賽道變得尤為復(fù)雜，因為在傳統(tǒng)的灰 度攝像頭中無法分辨出打在賽道周圍非賽道部分的強烈陽光，于是解決陽光問題 成了各個參賽組都必須面臨的挑戰(zhàn)與機遇。本文將創(chuàng)新性地從硬件與軟件兩個角 度分別闡述如何在灰度攝像頭的基礎(chǔ)之上完成對強烈反光的處理，提出圖像邊緣 化處理在陽光算法中的應(yīng)用。最后，本文將結(jié)合實際提出本課題在未來無人駕駛 等領(lǐng)域的應(yīng)用。關(guān)鍵詞：智能車；陽光算法；無人駕駛引言隨著科技的進步與發(fā)展，新能源汽車與無人駕駛逐漸走向人們的視野。為了解決日益擁 堵的交通問題與不可避免的人

2、為失誤所造成的交通事故，無人駕駛變得尤為重要。因此，為 了促進無人駕駛專業(yè)，國內(nèi)的智能車項目應(yīng)運而生，其中以應(yīng)用攝像頭為主要傳感器的光電 組與實際最為接近。在實際道路中，陽光或強烈的反光是不可避免的，于是在第十四屆恩智 浦杯”智能車大賽中加入了陽光反光的新元素。硬件的整體設(shè)計硬件上的主要解決思路在于偏正片的正確安裝與擋光板的放置，可以有效地濾除或者擋 掉大部分斜射的陽光。2.1偏正片在比賽中，不可避免地會遇到陽光強烈地打在賽道周圍藍色的部分造成反光，從而影響 到智能車攝像頭的正常識別賽道。而在攝像頭的鏡面前緊貼上一個偏正片就會有效改善反光 情況，這是因為經(jīng)過非賽道部分藍膜反射的光為一種偏正光，

3、調(diào)整偏正片的角度使之與偏正 光的角度不一致，不一致的偏正光則會被阻擋，從而濾除打在賽道周圍非賽道部分的強烈反 光，同時使得整個攝像頭圖像不會出現(xiàn)發(fā)白的現(xiàn)象，使得軟件上的二值化圖像更加清晰。2.2擋光板在攝像頭上方加裝擋光板的方法也可以實現(xiàn)對強光的遮擋，同樣可以達到類似的效果。 在攝像頭的高度上方加裝一個25*40cm的擋光板可以在攝像頭的正前方產(chǎn)生一個陰影，從而 減少進處陽光反光的影響。但此方法也有其顯著的弊端，因為在常規(guī)大津法的應(yīng)用中，閾值 是由整張圖像的灰度共同決定的，擋光板會導(dǎo)致近處光線變暗，從而調(diào)低整個圖像的閾值， 使遠處的圖像不能夠清晰的顯示出來。軟件的整體設(shè)計3.1邊緣化檢測軟件上

4、主要應(yīng)用邊緣檢測的方法解決強光對攝像頭圖像的影響，應(yīng)用現(xiàn)在基本已經(jīng)普及 到計算機視覺算法的邊緣化檢測算法，利用圖像的邊緣化找到整個賽道的輪廓，有些因為陽 光導(dǎo)致的邊緣斷開部分使用補線的思路將斷開的邊線重新補充完整，使攝像頭看到的圖像被 修正。邊緣化算法主要使用的是Canny邊緣化檢測，首先使用濾波將圖像中一些噪聲信號進行 濾波，使因噪聲信號產(chǎn)生的錯誤降低，提高圖像的準確性。其次，通過Canny算子計算出圖 像中每個像素點的方向和此像素點與其他點位的梯度。最后如果這個梯度特別大或者梯度超 過了某一閾值的時候，認為其出現(xiàn)了從白色的賽道部分到藍色的外側(cè)部分的跳變，因此確定 為圖像的邊緣。在因陽光導(dǎo)致

5、的反光區(qū)域中，邊線會出現(xiàn)中斷的現(xiàn)象，于是就可以使用補線的算法，將 起始斷點與終點的坐標找出，然后計算兩點之間的斜率，構(gòu)建出一個一次函數(shù)的線段補充在 兩點之間，形成一個完整的，無反光的圖像。3.2大津法二值化在圖像處理中，首先嘗試的是大津法的二值化。大津法是一種在各種機器視覺算法中較 為常見的二值化算法，可以把一個灰度圖像或者彩色圖像根據(jù)計算出來的閾值變成黑白的圖 像，從而更方便在程序中以0或者1的形式處理圖像。根據(jù)圖像中的所有像素點的灰度值形成一幅灰度值的頻率直方圖，在0（最小灰度值） 到255 （最大灰度值）之間計算每一個灰度值的頻率（取值范圍從0到1之間），假設(shè)合適 的灰度值為i，0-i灰

6、度級的比例為，平均灰度為，i-255灰度級的比例為，平均灰度為，可以 推導(dǎo)出圖像的總平均灰度為，類間方差為，化簡可得。從0-255遍歷i，經(jīng)過反復(fù)的迭代尋找 出g最大的i即是所尋找出的閾值，再根據(jù)閾值將圖像進行二值化處理。此種方法十分常用 并且已經(jīng)在各種場合得到了充分的應(yīng)用，智能車大賽的場合中也成為各個組主要應(yīng)用的方式 之一，然而這種方法在面對陽光或者強光的直射時有著明顯的不足。3.3多峰大津法對于普通的大津法，如果將整副圖的所有像素點的灰度形成灰度直方圖的話，可以直觀 的看到有兩個峰的明顯的區(qū)分，即背景賽道外的藍膜與目標賽道的區(qū)分。當(dāng)陽光產(chǎn)生的反光 進入圖像當(dāng)中時，會產(chǎn)生第三個峰，夾在原先的

7、兩峰之間形成干擾，多峰大津法的思路就是 消除這產(chǎn)生的第三個峰的影響。具體思路就是先由整幅圖的灰度計算出一個閾值，再將圖中 灰度小于該閾值的像素點的灰度等于該閾值，形成一個新的灰度圖像，再對新的灰度圖像進 行一個大津法二值化的閾值計算，也即進行兩次大津法的二值化計算。然而，多峰大津法的 缺點在于其運算速度極慢，需要較好性能的MCU才能完成其任務(wù)，而在“恩智浦杯”智能車大 賽中的MCU還不足以進行類似強度的運算，所以此方法只適用于有較好性能MCU的場合。3.4模糊大津法大津法運算時，準確度十分高，但當(dāng)遇到有多個像素峰值的圖像時，局限性凸顯。于是， 模糊大津法便可以解決此問題，并大大縮短運算時間，提

8、高運算速度。對于智能車的應(yīng)用場 合，當(dāng)有陽光存在時，所有灰度大體分為三個區(qū)域，即A，B，C三個區(qū)域，A最暗，為賽道 外的部分，C最亮，為賽道，而B代表著有陽光反射的賽道外部分。于是便可以使用數(shù)學(xué)上 的模糊化算法思路來解決其問題，圖像中的每一個點都有一個或者兩個隸屬度，將所有點都 進行模糊化處理后再進行類間方差的計算，當(dāng)類間方差最大時可以確定A，B，C三者的分界 點，再以B區(qū)域兩分界點的平均值為整幅圖像的閾值，此時得到的閾值更加準確也更能夠區(qū) 分開陽光與真實的賽道。未來的展望本文是一篇基于總鉆風(fēng)攝像頭的陽光算法的大體介紹，在實際的無人駕駛中，可以應(yīng)用 偏正片改善圖像的過亮或者白噪聲過強等問題；而邊緣化檢測則對無人駕駛中行人、車輛、 樹木等其他事物的分辨起到至關(guān)重要的作用，對智能汽車與無人駕駛都有著重要意義。參考文獻：1李勇，馮偉峰，李思光，王俊人.基于MT9V032攝像頭的智能車軟件設(shè)計J，花炮科 技與市場，2020年，1期：2502馬駿.強光源下攝像時如何消除圖像發(fā)白現(xiàn)象及如何調(diào)整畫面色調(diào)J，安慶師范學(xué)院學(xué) 報（自然科學(xué)版），1997年，3卷：87-883王楊，王祎帆，孟俊峰，陳曉愚，孫連明.基于Top-Hat-Canny的汽車前視攝像頭圖像 邊緣檢測方