浅谈智能车入门-阳光算法

使用摄像头进行寻迹，优点在于可以使前瞻更加的长，速度越快对前瞻的需求越高。当然了也可能大佬的算法写的好，不是呈现完全的正相关，可以说是大体的正相关。但是如果遇到光线分布不均匀等情况干扰了图像赛道信息的提取，可能会造成灾难性后果。

在阳光分布较差的情况下，直接使用灰度图像，会对赛道边线的提取有着一定的帮助。下面说一下关于灰度图像的赛道边线提取。其主要思路和二值化后的图像边线提取思路相似，只不过二值化图像是根据0、1两个值进行处理，而对灰度图像，每一个像素点的值为0~255。观察下图（使用的逐飞的上位机获取的图片，之后使用python稍微处理了一下）

编辑

图1 原图

编辑

图2 excel 部分数据

编辑

图3 excel 部分数据（放大）

通过图3，可以明显的看出赛道的边线出的像素数值变化。由此，我们便可以通过计算像素变化大的地方，提取赛道边界。主要程序如下：

#define CBH(x,y) (fabs(x-y)/(x+y)*100)  %差比和计算

 for(j=center_l;j>3;j--)%从中间向两边扫线
   {
    a=mt9v03x_image[i][j]; 
    b=mt9v03x_image[i][j-3];%间隔着几个像素进行扫描
    if(CBH(a,b)>=MIN)
      {
        side_line[i][0]=j-3;%将扫描到的像素位置存在side_line数组中 
         break;
       }

  }

for(j=center_l;j<RS-3;j++)//寻右边线
   {
    a=mt9v03x_image[i][j];
    b=mt9v03x_image[i][j+3];
    if(CBH(a,b)>=MIN)
      {
        side_line[i][1]=j+3;
          break;
       }

   }

center_l 为图像中间列的位置，例如图像宽160，则center_l为80；mt9v03x_image为原始图像数组。由程序可以看出，通过间隔的计算像素的差比和，判断其是否超过阈值，则可以提取出赛道边线。扫描的方式有许多种，不同的扫描方式可以带来不同的效果。我个人知道的扫描方式有，1.最简单的，便是从左向右一行一行扫描 2.从图像中间向两边扫描。3.根据赛道的连续性进行扫描，也就是通过前一个边线的位置进行一定的偏移后进行下一行扫描。4.出现严重丢线的弯道处，进行列方向的扫描。最后结果如下图，这是最简单的灰度图像边缘提取实现。

编辑

总结：有阳光干扰时，灰度图像相比黑白图像会有一定优势。但是真正的阳光算法，个人感觉还得是电磁。摄像头结合电磁也是一个不错的选择。提取完边线后，计算出实际的中线位置。然后计算期望的位置和实际位置的偏差，就可以拿去寻迹了。对于特殊元素的处理，需要观察图像的特殊差异处，结合提取的赛道信息，进行进一步处理。

以上仅供参考，有错请提出。