附件B基于邊緣檢測算法的智能車賽道識別方法081.8.20

智建領(lǐng)航者智建領(lǐng)航者基于邊緣檢測算法的智能車賽道識別方法丁芳,劉宇，夏陽，王海庫（中國民航大學(xué)航空自動化學(xué)院天津300300）摘要：賽道的識別是智能車沿賽道行駛的基礎(chǔ)。準(zhǔn)確的賽道識別能夠?yàn)橹悄苘囘M(jìn)行方向控制和速度控制提供準(zhǔn)確、必要的信息。本文利用邊緣檢測算法對賽道圖像進(jìn)行處理和識別。邊緣檢測算法與簡單的二值化法相比具有處理時(shí)間短和處理效果好的優(yōu)點(diǎn)。基于邊緣檢測算法的智能車賽道識別方法在以CMOS圖像傳感器采集圖像信息的智能車上實(shí)現(xiàn)。實(shí)驗(yàn)表明：這種賽道引導(dǎo)線的識別方法準(zhǔn)確率很高，可以較好地滿足車尋跡行駛的要求。關(guān)鍵詞：賽道識別；智能車；CMOS圖像傳感器；邊緣檢測。TheMethodBaseOnEdgeDetectionArithmeticIntheSmartCarTrackIdentificationAbstract:ThetrackIdentificationisthebasicoftheSmartCartravelingalongthetrack.AccurateidentificationofthetracksupportnecessaryinformationfortheSmartCartocontroldirectionandspeed.Thispaperistheapplicationoftheedgedetectionarithmetictotrackimageprocessingandrecognition.Theedgedetectionalgorithmisbetterthanthesimplebinaryimageforitcostslessprocessingtimeandbetterinaccuracy.ThemethoddiscussedinthispaperhasbeenaccomplishedintheSmartCarwithuseCMOSimagesensortogetimageinfomation.Experimentsshowedthat,thismethodhasahighrateofaccuracyoftrackidentificationanditcanmeettherequestoftheSmartCartogoalongthetrack.Keywords:trackidentification;SmartCar;CMOSimagesensor;edgedetection1引言賽道識別是智能車沿賽道行駛的基礎(chǔ)，得到準(zhǔn)確充足的賽道信息是智能車以較短時(shí)間完成比賽的前提。本文使用邊緣檢測方法，根據(jù)圖像各區(qū)域像素點(diǎn)間灰度變化梯度檢測出黑線的邊緣，這種方法與固定閾值二值化法相比抗干擾能力較強(qiáng)，處理數(shù)據(jù)少，檢測準(zhǔn)確率高的優(yōu)點(diǎn)。文中使用CMOS圖像傳感器和MC9S12DG128微控制器組成了圖像采集系統(tǒng)，采集獲得的賽道圖像信息以矩陣形式存放于微控制器的RAM中，圖像的分辨率為68×39。測試表明，基于邊緣檢測的黑線中心提取算法可有效的從賽道圖像中提取出黑線中點(diǎn)，具有一定的抗圖像干擾能力和對環(huán)境的適應(yīng)能力。2攝像頭安裝攝像頭安裝于智能車車身上方，鏡頭朝向前下方。為了使智能車具有更好的前瞻性，應(yīng)盡量提高攝像頭的高度并增減小攝像頭與豎直面間夾角。由于圖像分辨率的限制和需要盡量減小圖像的變形，最終確定攝像頭的安裝位置如圖1所示。當(dāng)車位于直賽道上并與賽道方向相同時(shí)，采集到的圖像離車最近處黑線約為3~5黑點(diǎn)，最遠(yuǎn)處黑線為2黑點(diǎn)。圖1攝像頭安裝位置圖3賽道圖像特征分析智能車要求在專用的賽道上行駛。賽道為中間有黑色引導(dǎo)線的白色基板，因此只需根據(jù)識別出白色賽道上的黑色引導(dǎo)線即可。賽道表面為白色，中間為2.5cm寬的黑線，賽道的最小曲率半徑為50cm。在正常情況下，車身應(yīng)該沿賽道方向，車身與賽道方向角度偏差較?。◤澋郎源髸r(shí)，直線段偏差一般不會超過30°）。賽道的圖像通常為一條連續(xù)垂直或傾斜的黑色曲線，圖像的每一行只有一段黑線（90°交叉線除外），黑線一般會通過圖像的最后一行。智能車行駛在直道上時(shí)，黑線會貫通圖像的每一行，如圖2所示。賽道為最小曲率半徑彎道時(shí)黑線出現(xiàn)在圖像中下部，如圖3所示。智能車行駛在彎道或車與賽道偏角較大時(shí)，攝像頭可能采集到賽道外圖像，賽道外圖像最有可能出現(xiàn)在圖像上半部。圖2直道圖像(分辨率52×39) 圖3最小彎道圖像(分辨率45×39)4賽道數(shù)據(jù)特征分析由于光線、攝像頭角度影響以及A/D轉(zhuǎn)換誤差等，會造成圖像數(shù)據(jù)不穩(wěn)定。圖4數(shù)據(jù)為最小彎道圖像右下角部分?jǐn)?shù)據(jù)。從中可以看到，白色賽道圖像最高值為8E(142),最低為83(131)，白色間差值為11；黑線圖像最高值為73(115),最低為63(99),黑色間差值為16；黑白間最小差值為16。另外黑白交界處還有7A(122)，81(129)等過渡像素點(diǎn)。從數(shù)據(jù)可以看出，數(shù)值整體浮動較大，但噪聲并不嚴(yán)重。圖4彎道圖像部分?jǐn)?shù)據(jù)5.黑線中點(diǎn)提取算法1.賽道邊緣檢測方法根據(jù)圖像數(shù)據(jù)的特點(diǎn)，文中采用了賽道邊緣監(jiān)測方法。eq\o\ac(○,1)確定黑色和白色的基準(zhǔn)值。為了增強(qiáng)智能車的環(huán)境適應(yīng)能力，通過掃描圖像的最后一行，按照比較的方法，得到圖像中的黑色和白色基準(zhǔn)值。在選取黑色和白色的基準(zhǔn)值時(shí)，為了防止噪聲的干擾，當(dāng)最小值（最大值）與其他較小值（較大值）相差不大時(shí)才選取其為黑色（白色）基準(zhǔn)值，否則認(rèn)為是噪聲將其排除掉。找到黑色和白色基準(zhǔn)值dark和white后計(jì)算出之間差值dif，并以dif*3/4作為區(qū)分黑色和白色的閾值，即當(dāng)某點(diǎn)c≥white-dif*2/3時(shí)認(rèn)為其可能為白點(diǎn)，當(dāng)c≤dark+dif*2/3時(shí)認(rèn)為其可能為黑點(diǎn)。這樣，黑、白區(qū)域就有了一塊重疊的區(qū)域，如圖5所示。圖5黑、白區(qū)域的劃分eq\o\ac(○,2)在檢測黑線邊緣時(shí)，使用差值法。k點(diǎn)為黑點(diǎn)，c(k)為其灰度值，當(dāng)其右側(cè)點(diǎn)k+1灰度值c(k+1)>c(k)+dif/2或其右側(cè)第二點(diǎn)灰度值c(k+2)>c(k)+dif*2/3且被判斷為可能為白點(diǎn)時(shí)判斷其為黑線邊界。選擇k+1和k+2兩點(diǎn)與k點(diǎn)比較可以避免黑線和白色賽道交界處可能出現(xiàn)的過渡值。eq\o\ac(○,3)為了避免突發(fā)噪聲的影響，在找到黑線邊界k（黑點(diǎn)），k+1（白點(diǎn)）后，要比較k+1,k+2,k+3是否近似相等（白色區(qū)域較寬且，局部范圍內(nèi)變化很少），如近似相等則肯定k+1為黑線的邊界。eq\o\ac(○,4)受光照和攝像頭角度影響，賽道不同區(qū)域亮度浮動可能較大，為此要根據(jù)圖像變化隨時(shí)調(diào)整dark和white值。2.提取黑線中心的方法根據(jù)賽道圖像特征的分析可知，黑線容易在最后一行出現(xiàn)，并且圖像前端易受干擾，所以從圖像最后一行開始尋找黑線成功的概率較大。在確定黑線后，以該段黑線作為尋找黑線的起始點(diǎn)向上尋找黑線，這樣不僅可以消除圖像中干擾的影響，又可以減小搜索時(shí)間。具體方法如下：變量介紹：用數(shù)組center[i]按序存放找到的第0行至第38行的黑線中點(diǎn)。用變量start和end分別記錄找到的黑線的起始點(diǎn)和終止點(diǎn)。left和right分別用于記錄黑色區(qū)域的左右邊界，center[i]=(left+right)/2。變量root為每行查找的起始點(diǎn)。黑線中點(diǎn)提取算法步驟：eq\o\ac(○,1)尋找黑線起點(diǎn)；eq\o\ac(○,2)由left和right計(jì)算center[i]；eq\o\ac(○,3)行數(shù)i自減，開始下一行；eq\o\ac(○,4)判斷是否完成，完成則結(jié)束，否則繼續(xù)；eq\o\ac(○,5)由上一行的center找到本行的root；eq\o\ac(○,6)找到left和right并判斷是否正確，正確執(zhí)行eq\o\ac(○,2)，否則繼續(xù)；eq\o\ac(○,7)判斷是否為交叉線，是交叉線則根據(jù)已得黑線趨勢推算出center[i]并跳至eq\o\ac(○,3)，否則結(jié)束。圖6為黑線中心提取算法結(jié)構(gòu)框圖。圖6黑線中點(diǎn)提取算法結(jié)構(gòu)框圖3.以直線預(yù)測算法處理交叉線在賽道的基本元素中有90°交叉線，需要在程序中識別出交叉線，防止車走錯(cuò)方向。當(dāng)車身與賽道夾角較小時(shí)，可以很好的尋找到黑線的起始點(diǎn)；當(dāng)車身與賽道夾角較大時(shí)，黑線起始點(diǎn)的尋找出錯(cuò)概率會相應(yīng)增大。在尋找到正確的黑線起始點(diǎn)的前提下，當(dāng)檢測至交叉線區(qū)域，left與right間距離突然變大，此時(shí)使用直線預(yù)測算法，根據(jù)已經(jīng)檢測出的黑線，根據(jù)其趨勢預(yù)測出后面黑線可能出現(xiàn)的位置。具體方法如下：由黑線起始中點(diǎn)位置center[start]和當(dāng)前行黑線中點(diǎn)center[i]預(yù)測出center[i-5]的位置 得到center[i-5]后以該點(diǎn)是否為黑點(diǎn)，如果該點(diǎn)為黑點(diǎn)，則擬合出當(dāng)前行的黑線中點(diǎn)，否則結(jié)束尋找。采用直線預(yù)測算法，不僅可以濾掉交叉線的干擾還可以濾掉賽道上較小異物造成的干擾。圖7為90°交叉賽道圖像和使用該方法從該圖像中提取賽道黑線中點(diǎn)的結(jié)果。圖790°交叉賽道圖像及其黑線中點(diǎn)提取結(jié)果圖像6.結(jié)論實(shí)際測試表明，基于邊緣檢測的黑線