專利名稱：縮微智能車(chē)輛尋線控制方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及智能交通領(lǐng)域，特別涉及一種縮微智能車(chē)輛尋線控制方法和裝置。
背景技術(shù)：
隨著經(jīng)濟(jì)的發(fā)展和人民生活水平的提高，交通活動(dòng)已經(jīng)成為人們生活中的重要組成部分。然而由于汽車(chē)增長(zhǎng)過(guò)快，道路相對(duì)不足，交通控制問(wèn)題已成為經(jīng)濟(jì)發(fā)展的瓶頸。智能交通系統(tǒng)(Intelligent Transport Systems，簡(jiǎn)稱ITS)于上世紀(jì)60年代末產(chǎn)生，是將先進(jìn)的信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子控制技術(shù)、計(jì)算機(jī)技術(shù)及智能車(chē)輛技術(shù)等綜合運(yùn)用于整個(gè)交通運(yùn)輸管理體系。智能車(chē)輛是一個(gè)集環(huán)境感知、規(guī)劃決策、多等級(jí)輔助駕駛等功能于一體的綜合系統(tǒng)。作為智能交通系統(tǒng)的重要研究?jī)?nèi)容之一，智能車(chē)輛駕駛已經(jīng)成為未來(lái)汽車(chē)市場(chǎng)的發(fā)展趨勢(shì)。智能車(chē)輛駕駛系統(tǒng)集中地運(yùn)用了計(jì)算機(jī)、傳感器、信息融合、通訊、人工智能以及自動(dòng)控制等技術(shù)，是典型的高新技術(shù)綜合體。作為智能交通系統(tǒng)的重要研究?jī)?nèi)容之一，智能車(chē)輛駕駛主要研究整體自動(dòng)或者作為輔助駕駛系統(tǒng)完成車(chē)輛駕駛?cè)蝿?wù)。目前的智能車(chē)輛技術(shù)中自主導(dǎo)航和自動(dòng)駕駛是智能車(chē)輛開(kāi)發(fā)的關(guān)鍵技術(shù)，而自主導(dǎo)航和自動(dòng)駕駛的實(shí)現(xiàn)過(guò)程中，關(guān)鍵技術(shù)是完成道路的識(shí)別和跟蹤的計(jì)算機(jī)視覺(jué)處理技術(shù)。在李德毅院士等專家的倡導(dǎo)下，智能車(chē)輛駕駛領(lǐng)域的相關(guān)專家已于2009開(kāi)始，陸續(xù)在北京、重慶、西安、天津等地進(jìn)行了多次工作會(huì)議以及縮微智能車(chē)輛自主駕駛演示。經(jīng)研究發(fā)現(xiàn)，縮微智能車(chē)輛完成道路識(shí)別和跟蹤的前提是能夠正確識(shí)別左右車(chē)道線，但是現(xiàn)有方法都是在縮微環(huán)境相對(duì)單一，光線相對(duì)均勻的情況下識(shí)別車(chē)道線的，在光線反射不均勻、地面有強(qiáng)烈反光等環(huán)境較復(fù)雜的情況下尋線效果欠佳。

發(fā)明內(nèi)容
本發(fā)明的目的是解決現(xiàn)有縮微智能車(chē)輛在縮微道路環(huán)境復(fù)雜、光線不均勻、車(chē)道有強(qiáng)反光的情況下尋線不穩(wěn)定而提出一種基于視覺(jué)處理的縮微智能車(chē)輛尋線控制方法。本發(fā)明的縮微智能車(chē)輛尋線控制方法，包括步驟110、利用圖像采集裝置，獲得道路的單通道灰度圖像；步驟130、對(duì)圖像進(jìn)行自適應(yīng)閾值二值化處理，將大于閾值的像素點(diǎn)賦值為255， 小于閾值的像素點(diǎn)賦值為0，得到單通道二值化圖像；步驟140、對(duì)單通道二值化圖像進(jìn)行邊緣檢測(cè)，將白色和黑色相接處的像素點(diǎn)賦值為255，其余賦值為0;步驟150、在經(jīng)過(guò)邊緣檢測(cè)處理后的圖像中進(jìn)行尋線處理；步驟160、確定左車(chē)道線或/和右車(chē)道線。作為一種優(yōu)選實(shí)施方式，在步驟130前，包括步驟120，對(duì)圖像進(jìn)行濾光處理，即用單通道灰度圖像像素點(diǎn)減去背景圖像相同位置的像素點(diǎn)；所述背景圖像為對(duì)單通道灰度圖像進(jìn)行腐蝕處理和膨脹處理，除去和車(chē)道線相同寬度的白色線后得到的圖像。優(yōu)選的，所述對(duì)單通道灰度圖像進(jìn)行腐蝕處理和膨脹處理為，對(duì)所述單通道灰度圖像首先腐蝕NY次，然后膨脹NY次，其中，「n / 2] ,「…表示向上取整運(yùn)算，η為控制系數(shù)，η = 5Χν+η'，ν為縮微智能車(chē)輛當(dāng)前行駛速度，單位為米/秒，ν >0，η'為縮微智能車(chē)輛靜止?fàn)顟B(tài)時(shí)所采集的圖像中車(chē)道線的寬度，單位為像素。作為另一種優(yōu)選實(shí)施方式，在步驟160后，還包括步驟170，根據(jù)所得左車(chē)道線或/ 和右車(chē)道線，擬合生成中軸車(chē)道線，如果左車(chē)道線和右車(chē)道線都有，則左車(chē)道線和右車(chē)道線的X軸坐標(biāo)的平均值為中軸車(chē)道線，如果只有右車(chē)道線，則右車(chē)道線向X軸負(fù)方向平移半個(gè)車(chē)道即為中軸車(chē)道線，如果只有左車(chē)道線，則左車(chē)道線向X軸正方向平移半個(gè)車(chē)道即為中軸車(chē)道線。作為另一種優(yōu)選實(shí)施方式，在步驟170后，還包括制動(dòng)控制步驟，根據(jù)前進(jìn)方向和中軸車(chē)道線之間的夾角和距離調(diào)整車(chē)輪的角度，或者如果左車(chē)道線和右車(chē)道線都沒(méi)有且縮微智能車(chē)輛不在十字路口或丁字路口，則縮微智能車(chē)輛判定不在車(chē)道行駛，采取停車(chē)操作。優(yōu)選的，步驟110所述利用圖像采集裝置，獲得道路的單通道灰度圖像為，利用圖像采集裝置采集道路的三通道RGB圖像，然后將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像；所述將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像采用以下公式進(jìn)行Y = O. 212671 XR+0. 715160XG+0. 072169XB其中，Y為灰度圖像像素點(diǎn)灰度值；R為RGB圖像像素點(diǎn)紅色分量值；G為RGB圖像像素點(diǎn)綠色分量值；B為RGB圖像像素點(diǎn)藍(lán)色分量值。本發(fā)明的縮微智能車(chē)輛尋線控制裝置，包括與中央處理器相連接的圖像獲取模塊、圖像自適應(yīng)閾值二值化處理模塊、邊緣檢測(cè)模塊、車(chē)道線尋線處理模塊和車(chē)道線識(shí)別模塊；所述圖像獲取模塊，用于獲得道路的單通道灰度圖像；所述圖像自適應(yīng)閾值二值化處理模塊，用于將圖像進(jìn)行自適應(yīng)閾值二值化處理， 即將大于閾值的像素點(diǎn)賦值為255，小于閾值的像素點(diǎn)賦值為0，得到單通道二值化圖像；所述邊緣檢測(cè)模塊，對(duì)單通道二值化圖像進(jìn)行邊緣檢測(cè)，將白色和黑色相接處的像素點(diǎn)賦值為255，其余賦值為0 ；所述車(chē)道線尋線處理模塊，用于在圖像中尋線；所述車(chē)道線識(shí)別模塊，用于確定左車(chē)道線或/和右車(chē)道線。作為一種優(yōu)選實(shí)施方式，包括圖像濾光處理模塊，用于對(duì)圖像進(jìn)行濾光處理，即用單通道灰度圖像像素點(diǎn)減去背景圖像相同位置的像素點(diǎn)，所述背景圖像為對(duì)單通道灰度圖像進(jìn)行腐蝕處理和膨脹處理，除去和車(chē)道線相同寬度的白色線后得到的圖像。作為另一種優(yōu)選實(shí)施方式，，包括中軸車(chē)道線擬合模塊，用于根據(jù)所得左車(chē)道線或 /和右車(chē)道線，擬合生成中軸車(chē)道線。優(yōu)選的，所述圖像獲取模塊圖像包括三通道RGB圖像獲取單元和轉(zhuǎn)換處理單元， 所述三通道RGB圖像獲取單元用于獲取三通道RGB圖像，所述轉(zhuǎn)換處理單元用于將三通道 RGB圖像轉(zhuǎn)換成單通道灰度圖像；所述將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像采用以下公式Y(jié) = O. 212671 XR+0. 715160XG+0. 072169XB其中，Y為灰度圖像像素點(diǎn)灰度值；R為RGB圖像像素點(diǎn)紅色分量值；G為RGB圖像像素點(diǎn)綠色分量值；B為RGB圖像像素點(diǎn)藍(lán)色分量值。
與現(xiàn)有技術(shù)相比，本發(fā)明對(duì)圖像進(jìn)行濾光處理，能夠去除比車(chē)道線寬的其它白色干擾，極大提升了光線不均勻、車(chē)道有強(qiáng)反光等在復(fù)雜環(huán)境下識(shí)別左或/和右車(chē)道線的準(zhǔn)確率。


圖1為本發(fā)明縮微智能車(chē)輛尋線控制方法優(yōu)選實(shí)施例流程示意圖；圖2為本發(fā)明優(yōu)選實(shí)施例圖像采取裝置采集的的兩幅帶地面強(qiáng)反光的三通道RGB 圖像，圖加左車(chē)道線和右車(chē)道線都有，圖2b只有右車(chē)道線；圖3為本發(fā)明優(yōu)選實(shí)施例將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像后的圖像，圖 3a是對(duì)圖加轉(zhuǎn)換后的圖像，圖北是對(duì)圖2b轉(zhuǎn)換后的圖像；圖4為本發(fā)明優(yōu)選實(shí)施例經(jīng)過(guò)腐蝕和膨脹處理后的圖像，圖如是對(duì)圖3a處理后的圖像，圖4b是對(duì)圖北處理后的圖像；圖5為本發(fā)明優(yōu)選實(shí)施例經(jīng)過(guò)濾光處理后的圖像，圖fe是對(duì)圖如處理后的圖像， 圖恥是對(duì)圖4b處理后的圖像；圖6為本發(fā)明優(yōu)選實(shí)施例未經(jīng)過(guò)濾光處理的單通道灰度圖像進(jìn)行自適應(yīng)閾值ニ 值化處理后圖像，圖6a是對(duì)圖3a處理后的圖像，圖6b是對(duì)圖北處理后的圖像；圖7為本發(fā)明優(yōu)選實(shí)施例對(duì)經(jīng)過(guò)濾光處理后的圖像進(jìn)行自適應(yīng)閾值ニ值化處理后的圖像，圖7a是對(duì)圖fe處理后的圖像，圖7b是對(duì)圖恥處理后的圖像；圖8為本發(fā)明優(yōu)選實(shí)施經(jīng)過(guò)邊緣檢測(cè)處理后的圖像，圖8a是對(duì)圖7a處理后的圖像，圖8b是對(duì)圖7b處理后的圖像；圖9為本發(fā)明優(yōu)選實(shí)施經(jīng)過(guò)擬合生成一條中軸車(chē)道線的處理后的圖像，圖9a是對(duì)圖8a處理后的圖像，圖9b是對(duì)圖8b處理后的圖像；圖10為本發(fā)明縮微智能車(chē)輛尋線控制裝置優(yōu)選實(shí)施例結(jié)構(gòu)示意圖。
具體實(shí)施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明做進(jìn)ー步詳細(xì)說(shuō)明。本發(fā)明縮微智能車(chē)輛尋線控制方法，具體步驟如圖1所示，包括步驟210、利用圖像采集裝置，獲得道路的單通道灰度圖像作為ー種優(yōu)選實(shí)施方式，可利用圖像采集裝置采集道路的單通道灰度圖像；作為另ー種優(yōu)選實(shí)施方式，利用圖像采集裝置采集道路的三通道RGB圖像，然后將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像；所述圖像采取裝置可采用通用或者專用攝像頭，例如，COMS攝像頭，或者CXD攝像頭等；所述將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像可采用本領(lǐng)域常用方式；優(yōu)選地， 根據(jù)地面是黑色，車(chē)道線是白色的常見(jiàn)環(huán)境，所述將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像采用以下公式進(jìn)行轉(zhuǎn)換；Y = O. 212671XR+0. 715160XG+0. 072169XB (1)其中，Y為灰度圖像像素點(diǎn)灰度值；R為RGB圖像像素點(diǎn)紅色分量值；G為RGB圖像像素點(diǎn)綠色分量值；B為RGB圖像像素點(diǎn)藍(lán)色分量值。典型的，本實(shí)施例采集兩幅三通道RGB圖像，如圖加和圖2b所示，都帶有地面強(qiáng)反光。將圖加和圖2b經(jīng)過(guò)公式(1)轉(zhuǎn)換后的圖像分別如圖3a和圖北所示作為一種優(yōu)選實(shí)施方式，還包括步驟220、對(duì)圖像進(jìn)行濾光處理，即用單通道灰度圖像像素點(diǎn)減去背景圖像相同位置的像素點(diǎn)；所述背景圖像為對(duì)單通道灰度圖像進(jìn)行腐蝕處理和膨脹處理，除去和車(chē)道線相同寬度的白色線后得到的圖像；所述膨脹指將一些圖像(或圖像中的一部分區(qū)域，稱之為AP)與核(稱之為BP)進(jìn)行卷積。核可以是任何的形狀或大小，它擁有一個(gè)單獨(dú)定義出來(lái)的參考點(diǎn)(anchor point)。 多數(shù)情況下，核是一個(gè)小的中間帶有參考點(diǎn)的實(shí)心正方形或圓盤(pán)。核可以視為模板或掩碼， 膨脹是求局部最大值的操作。核BP與圖像卷積，即計(jì)算核BP覆蓋的區(qū)域的像素點(diǎn)最大值， 并把這個(gè)最大值賦值給參考點(diǎn)指定的像素。這樣就會(huì)使圖像中的高亮區(qū)域逐漸增大。所述腐蝕是膨脹的反操作。腐蝕操作要計(jì)算核區(qū)域像素的最小值。腐蝕可以通過(guò)下面的算法生成一個(gè)新的圖像當(dāng)核BP與圖像卷積時(shí)，計(jì)算被BP覆蓋區(qū)域的最小像素值， 并把這個(gè)值放到參考點(diǎn)上。腐蝕能夠消除細(xì)的凸起。腐蝕可以將斑點(diǎn)、噪聲點(diǎn)腐蝕掉，膨脹將被噪聲、陰影分割成的多個(gè)部分“融合”起來(lái)。通常，需要對(duì)目標(biāo)圖像先腐蝕nx次，后膨脹nx次，作用為去除寬度小于或者等于 nx的白線，留下寬度大于nx的白色塊。本實(shí)施例中，對(duì)所述單通道灰度圖像首先腐蝕NY次，然后膨脹NY次，NY≥[n/w],[.]表示向上取整運(yùn)算，η為控制系數(shù)，n = 5Χv+n'，v為縮微智能車(chē)輛當(dāng)前行駛速度，單位為米/秒，v≥0,n'為縮微智能車(chē)輛靜止?fàn)顟B(tài)時(shí)所采集的圖像中車(chē)道線的寬度，單位為像素；本實(shí)施例中，將圖3a和圖北所示圖像經(jīng)過(guò)腐蝕和膨脹處理后的圖像分別如圖如和圖 4b所示；將圖如和圖4b所示圖像經(jīng)過(guò)濾光處理后的圖像分別如圖5a和圖5b所示；步驟230、對(duì)圖像進(jìn)行自適應(yīng)閾值二值化處理，即將大于閾值的像素點(diǎn)賦值為 255，小于閾值的像素點(diǎn)賦值為0，得到單通道二值化圖像；為了能將車(chē)道線和車(chē)道更好的分離，將圖像進(jìn)行自適應(yīng)閾值二值化處理，將大于閾值的像素點(diǎn)賦值為255，小于閾值的像素點(diǎn)賦值為0 ；所述閾值優(yōu)選采用日本學(xué)者大津于 1979年提出的大津法得到，可將車(chē)道線和車(chē)道較好地分離。本實(shí)施例中，將圖fe和圖恥所示圖像經(jīng)過(guò)自適應(yīng)閾值二值化處理后的圖像分別如圖7a和圖7b所示；與之相比較，將未經(jīng)過(guò)濾光處理的單通道灰度圖像(如圖3a和圖北所示)經(jīng)過(guò)自適應(yīng)閾值二值化處理后得到如圖6a和圖6b所示，在車(chē)道線識(shí)別時(shí)會(huì)將反光區(qū)域和地面相接處誤識(shí)別為車(chē)道線，縮微智能車(chē)做出錯(cuò)誤的駕駛行為。步驟M0，對(duì)單通道二值化圖像進(jìn)行邊緣檢測(cè)，將白色和黑色相接處的像素點(diǎn)賦值為255，其余賦值為0;對(duì)去除背景的單通道二值化圖像做邊緣檢測(cè)后一條白色直線就會(huì)被分成兩條寬度只有一個(gè)像素的直線，防止后續(xù)尋線時(shí)在同一白色線上重復(fù)尋線；本實(shí)施例中，將圖7a和圖7b所示圖像經(jīng)過(guò)邊緣檢測(cè)處理后的圖像分別如圖8a和圖8b所示；步驟250、在經(jīng)過(guò)邊緣檢測(cè)處理后的圖像中進(jìn)行尋線處理；
如果是白色直線則取直線上距離相差Nx個(gè)像素點(diǎn)的任意兩點(diǎn)來(lái)確定所尋線段的位置，如果是白色彎線則尋找的是彎線的切線，以切點(diǎn)為中心彎道上直線距離相差Nx個(gè)像素點(diǎn)的兩點(diǎn)確定一條線段來(lái)近似彎道的切線；所述Nx取值范圍為20-50 ；優(yōu)選的，經(jīng)過(guò)試驗(yàn)驗(yàn)證，當(dāng)所述Nx取值為30時(shí)，能夠在不丟失車(chē)道線的前提下盡量去除其它白線的干擾；步驟沈0、確定左車(chē)道線或/和右車(chē)道線；將所尋線段的兩個(gè)點(diǎn)轉(zhuǎn)換成縮微智能車(chē)平面直角坐標(biāo)系下的坐標(biāo)點(diǎn)，由轉(zhuǎn)換后的兩個(gè)點(diǎn)確定所尋線段在縮微智能車(chē)平面直角坐標(biāo)系下的位置，在縮微智能車(chē)平面直角坐標(biāo)系下，根據(jù)所尋線段與X軸相交值為正值的確定為右線，為負(fù)值的確定為左線，距離縮微智能車(chē)輛最近且距離不超過(guò)一個(gè)車(chē)道寬度的左線確定為左車(chē)道線，距離縮微智能車(chē)輛最近且距離不超過(guò)一個(gè)車(chē)道寬度右線確定為右車(chē)道線；特別地，為了確定左車(chē)道線或/和右車(chē)道線，需要轉(zhuǎn)換之前先要對(duì)圖像攝取裝置進(jìn)行標(biāo)定，優(yōu)選采用張正友的標(biāo)定算法得到坐標(biāo)轉(zhuǎn)換矩陣，圖像坐標(biāo)系下的點(diǎn)與坐標(biāo)轉(zhuǎn)換矩陣運(yùn)算后得到縮微智能車(chē)平面直角坐標(biāo)系下的點(diǎn)?？s微智能車(chē)平面直角坐標(biāo)系的原點(diǎn)在縮微智能車(chē)體中心正下方地面上，Y軸平行地面指向車(chē)體前進(jìn)方向，X軸平行地面與Y軸垂直指向車(chē)體右方。優(yōu)選的，所述縮微智能車(chē)平面直角坐標(biāo)系的生成時(shí)間無(wú)特別限定，在本步驟之前的任意步驟都可以生成。優(yōu)選的，進(jìn)一步包括步驟270、根據(jù)所得左車(chē)道線或/和右車(chē)道線，擬合生成中軸車(chē)道線；優(yōu)選地，如果左車(chē)道線和右車(chē)道線都有，則左車(chē)道線和右車(chē)道線X軸坐標(biāo)的平均值為中軸車(chē)道線，如果只有右車(chē)道線，則右車(chē)道線向X軸負(fù)方向平移半個(gè)車(chē)道即為中軸車(chē)道線，如果只有左車(chē)道線，則左車(chē)道線向X軸正方向平移半個(gè)車(chē)道即為中軸車(chē)道線。本實(shí)施例中，對(duì)兩幅圖像分別經(jīng)過(guò)擬合生成一條中軸車(chē)道線的處理后的圖像分別如圖9a和圖9b所示；進(jìn)一步地，包括制動(dòng)控制步驟，根據(jù)前進(jìn)方向和擬合中軸車(chē)道線之間的夾角和距離調(diào)整車(chē)輪的角度，或者如果左車(chē)道線和右車(chē)道線都沒(méi)有且縮微智能車(chē)輛不在十字路口或丁字路口，則縮微智能車(chē)輛不在車(chē)道行駛，則采取停車(chē)操作。本發(fā)明的一種縮微智能車(chē)輛尋線控制裝置，如圖10所示，包括與中央處理器相連接的圖像獲取模塊、圖像自適應(yīng)閾值二值化處理模塊、邊緣檢測(cè)模塊、車(chē)道線尋線處理模塊和車(chē)道線識(shí)別模塊所述圖像獲取模塊，用于獲得道路的單通道灰度圖像；所述圖像獲取模塊可以直接獲取單通道灰度圖像，也可以間接獲?。粌?yōu)選的，所述圖像獲取模塊圖像包括三通道RGB圖像獲取單元和轉(zhuǎn)換處理單元， 所述三通道RGB圖像獲取單元用于獲取三通道RGB圖像，所述轉(zhuǎn)換處理單元用于將三通道 RGB圖像轉(zhuǎn)換成單通道灰度圖像；所述圖像采取裝置可采用通用或者專用攝像頭，例如，COMS攝像頭，或者CXD攝像頭等；所述將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像可采用本領(lǐng)域常用方式；優(yōu)選地，根據(jù)地面是黑色，車(chē)道線是白色的常見(jiàn)環(huán)境，所述將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像采用以下公式進(jìn)行轉(zhuǎn)換；Y = O. 212671 XR+0. 715160XG+0. 072169XB其中，Y為灰度圖像像素點(diǎn)灰度值；R為RGB圖像像素點(diǎn)紅色分量值；G為RGB圖像像素點(diǎn)緑色分量值；B為RGB圖像像素點(diǎn)藍(lán)色分量值。作為ー種優(yōu)選實(shí)施方式，還包括圖像濾光處理模塊，用于對(duì)圖像進(jìn)行濾光處理，即用單通道灰度圖像像素點(diǎn)減去背景圖像相同位置的像素點(diǎn)，所述背景圖像為對(duì)單通道灰度圖像進(jìn)行腐蝕處理和膨脹處理，除去和車(chē)道線相同寬度的白色線后得到的圖像；所述膨脹指將ー些圖像(或圖像中的一部分區(qū)域，稱之為AP)與核(稱之為BP)進(jìn)行卷積。核可以是任何的形狀或大小，它擁有ー個(gè)單獨(dú)定義出來(lái)的參考點(diǎn)(anchor point)。 多數(shù)情況下，核是ー個(gè)小的中間帶有參考點(diǎn)的實(shí)心正方形或圓盤(pán)。核可以視為模板或掩碼， 膨脹是求局部最大值的操作。核BP與圖像卷積，即計(jì)算核BP覆蓋的區(qū)域的像素點(diǎn)最大值， 并把這個(gè)最大值賦值給參考點(diǎn)指定的像素。這樣就會(huì)使圖像中的高亮區(qū)域逐漸増大。所述腐蝕是膨脹的反操作。腐蝕操作要計(jì)算核區(qū)域像素的最小值。腐蝕可以通過(guò)下面的算法生成ー個(gè)新的圖像當(dāng)核BP與圖像卷積時(shí)，計(jì)算被BP覆蓋區(qū)域的最小像素值， 并把這個(gè)值放到參考點(diǎn)上。腐蝕能夠消除細(xì)的凸起。腐蝕可以將斑點(diǎn)、噪聲點(diǎn)腐蝕掉，膨脹將被噪聲、陰影分割成的多個(gè)部分“融合”起來(lái)。通常，需要對(duì)目標(biāo)圖像先腐蝕nx次，后膨脹nx次，作用為去除寬度小于或者等于 nx的白線，留下寬度大于nx的白色塊。本實(shí)施例中，對(duì)所述單通道灰度圖像首先腐蝕NY次，然后膨脹NY次，2「n / 2]， 「 表示向上取整運(yùn)算，η為控制系數(shù)，η = 5Χν+η'，ν為縮微智能車(chē)輛當(dāng)前行駛速度，単位為米/秒，ν^Ο,η'為縮微智能車(chē)輛靜止?fàn)顟B(tài)時(shí)所采集的圖像中車(chē)道線的寬度，單位為像素；所述圖像自適應(yīng)閾值ニ值化處理模塊，用于將圖像進(jìn)行自適應(yīng)閾值ニ值化處理， 即將大于閾值的像素點(diǎn)賦值為255，小于閾值的像素點(diǎn)賦值為0，得到單通道ニ值化圖像；為了能將車(chē)道線和車(chē)道更好的分離，將圖像進(jìn)行自適應(yīng)閾值ニ值化處理，將大于閾值的像素點(diǎn)賦值為255，小于閾值的像素點(diǎn)賦值為0 ；所述閾值優(yōu)選采用日本學(xué)者大津于 1979年提出的大津法得到，可將車(chē)道線和車(chē)道較好地分離。所述邊緣檢測(cè)模塊，對(duì)單通道ニ值化圖像進(jìn)行邊緣檢測(cè)，將白色和黑色相接處的像素點(diǎn)賦值為255，其余賦值為0，對(duì)去除背景的單通道ニ值化圖像做邊緣檢測(cè)后一條白色直線就會(huì)被分成兩條寬度只有一個(gè)像素的直線，防止后續(xù)尋線時(shí)在同一白色線上重復(fù)尋線；所述車(chē)道線尋線處理模塊，用于在圖像中尋線，如果是白色直線則取直線上距離相差Nx個(gè)像素點(diǎn)的任意兩點(diǎn)來(lái)確定所尋線段的位置，如果是白色彎線則尋找的是彎線的切線，以切點(diǎn)為中心彎道上直線距離相差Nx個(gè)像素點(diǎn)的兩點(diǎn)確定一條線段來(lái)近似彎道的切線；所述Nx取值范圍為20-50 ；優(yōu)選的，經(jīng)過(guò)試驗(yàn)驗(yàn)證，當(dāng)所述Nx取值為30吋，能夠在不丟失車(chē)道線的前提下盡量去除其它白線的干擾；
所述車(chē)道線識(shí)別模塊，用于將所尋線段的兩個(gè)點(diǎn)轉(zhuǎn)換成縮微智能車(chē)平面直角坐標(biāo)系下的坐標(biāo)點(diǎn)，由轉(zhuǎn)換后的兩個(gè)點(diǎn)確定所尋線段在縮微智能車(chē)平面直角坐標(biāo)系下的位置， 在縮微智能車(chē)平面直角坐標(biāo)系下，根據(jù)所尋線段與X軸相交值為正值的確定為右線，為負(fù)值的確定為左線，距離縮微智能車(chē)輛最近且距離不超過(guò)一個(gè)車(chē)道寬度的左線確定為左車(chē)道線，距離縮微智能車(chē)輛最近且距離不超過(guò)一個(gè)車(chē)道寬度右線確定為右車(chē)道線；特別地，為了確定左車(chē)道線或/和右車(chē)道線，需要轉(zhuǎn)換之前先要對(duì)圖像攝取裝置進(jìn)行標(biāo)定，優(yōu)選采用張正友的標(biāo)定算法得到坐標(biāo)轉(zhuǎn)換矩陣，圖像坐標(biāo)系下的點(diǎn)與坐標(biāo)轉(zhuǎn)換矩陣運(yùn)算后得到縮微智能車(chē)平面直角坐標(biāo)系下的點(diǎn)?？s微智能車(chē)平面直角坐標(biāo)系的原點(diǎn)在縮微智能車(chē)體中心正下方地面上，Y軸平行地面指向車(chē)體前進(jìn)方向，X軸平行地面與Y軸垂直指向車(chē)體右方。進(jìn)一步地，作為一種優(yōu)選實(shí)施方式，還包括中軸車(chē)道線擬合模塊，用于根據(jù)所得左車(chē)道線或/和右車(chē)道線，擬合生成中軸車(chē)道線。優(yōu)選地，如果左車(chē)道線和右車(chē)道線都有，則左車(chē)道線和右車(chē)道線的X軸坐標(biāo)的平均值為中軸車(chē)道線，如果只有右車(chē)道線，則右車(chē)道線向X軸負(fù)方向平移半個(gè)車(chē)道即為中軸車(chē)道線，如果只有左車(chē)道線，則左車(chē)道線向X軸正方向平移半個(gè)車(chē)道即為中軸車(chē)道線。進(jìn)一步地，作為一種優(yōu)選實(shí)施方式，還包括制動(dòng)控制模塊，用于根據(jù)前進(jìn)方向和擬合中軸車(chē)道線之間的夾角和距離調(diào)整車(chē)輪的角度，或者如果左車(chē)道線和右車(chē)道線都沒(méi)有且縮微智能車(chē)輛不在十字路口或丁字路口，則縮微智能車(chē)輛判定不在車(chē)道行駛，采取停車(chē)操作。本發(fā)明所述縮微智能車(chē)輛駕駛最主要的任務(wù)就是能夠正確尋線保持車(chē)輛行駛在正確的道路上，維持車(chē)輛之間的一個(gè)安全距離。本發(fā)明部分功能可采用圖像處理軟件來(lái)進(jìn)行，典型的，如OpenCV，其是由Intel公司提供的開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)，由一系列C函數(shù)和少量C++類構(gòu)成，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法。本發(fā)明雖然是基于縮微智能車(chē)輛在縮微三維交通環(huán)境下的尋線控制，為智能真車(chē)控制研究提供了模擬現(xiàn)實(shí)、可重復(fù)、可驗(yàn)證、可評(píng)價(jià)的試驗(yàn)平臺(tái)，但除了部分的具體參數(shù)外， 相關(guān)方法或裝置同樣適用于智能真車(chē)的尋線控制。本發(fā)明所舉實(shí)施方式或者實(shí)施例對(duì)本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)進(jìn)行了進(jìn)一步的詳細(xì)說(shuō)明，所應(yīng)理解的是，以上所舉實(shí)施方式或者實(shí)施例僅為本發(fā)明的優(yōu)選實(shí)施方式而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)對(duì)本發(fā)明所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.縮微智能車(chē)輛尋線控制方法，其特征在于，包括步驟110、利用圖像采集裝置，獲得道路的單通道灰度圖像；步驟130、對(duì)圖像進(jìn)行自適應(yīng)閾值二值化處理，將大于閾值的像素點(diǎn)賦值為255，小于閾值的像素點(diǎn)賦值為0，得到單通道二值化圖像；步驟140、對(duì)單通道二值化圖像進(jìn)行邊緣檢測(cè)，將白色和黑色相接處的像素點(diǎn)賦值為 255，其余賦值為0;步驟150、在經(jīng)過(guò)邊緣檢測(cè)處理后的圖像中進(jìn)行尋線處理；步驟160、確定左車(chē)道線或/和右車(chē)道線。
2.如權(quán)利要求1所述方法，其特征在于，在步驟130前，包括步驟120，對(duì)圖像進(jìn)行濾光處理，即用單通道灰度圖像像素點(diǎn)減去背景圖像相同位置的像素點(diǎn)；所述背景圖像為對(duì)單通道灰度圖像進(jìn)行腐蝕處理和膨脹處理，除去和車(chē)道線相同寬度的白色線后得到的圖像。
3.如權(quán)利要求2所述方法，其特征在于，所述對(duì)單通道灰度圖像進(jìn)行腐蝕處理和膨脹處理為，對(duì)所述單通道灰度圖像首先腐蝕NY次，然后膨脹NY次，其中，2「n / 2]，「…表示向上取整運(yùn)算，η為控制系數(shù)，η = 5Χν+η'，ν為縮微智能車(chē)輛當(dāng)前行駛速度，單位為米/ 秒，ν^Ο,η'為縮微智能車(chē)輛靜止?fàn)顟B(tài)時(shí)所采集的圖像中車(chē)道線的寬度，單位為像素。
4.如權(quán)利要求1所述方法，其特征在于，在步驟160后，還包括步驟170，根據(jù)所得左車(chē)道線或/和右車(chē)道線，擬合生成中軸車(chē)道線，如果左車(chē)道線和右車(chē)道線都有，則左車(chē)道線和右車(chē)道線的X軸坐標(biāo)的平均值為中軸車(chē)道線，如果只有右車(chē)道線，則右車(chē)道線向X軸負(fù)方向平移半個(gè)車(chē)道即為中軸車(chē)道線，如果只有左車(chē)道線，則左車(chē)道線向X軸正方向平移半個(gè)車(chē)道即為中軸車(chē)道線。
5.如權(quán)利要求4所述方法，其特征在于，在步驟170后，還包括制動(dòng)控制步驟，根據(jù)前進(jìn)方向和中軸車(chē)道線之間的夾角和距離調(diào)整車(chē)輪的角度，或者如果左車(chē)道線和右車(chē)道線都沒(méi)有且縮微智能車(chē)輛不在十字路口或丁字路口，則縮微智能車(chē)輛判定不在車(chē)道行駛，采取停車(chē)操作。
6.如權(quán)利要求1-5任一所述方法，其特征在于，步驟110所述利用圖像采集裝置，獲得道路的單通道灰度圖像為，利用圖像采集裝置采集道路的三通道RGB圖像，然后將三通道 RGB圖像轉(zhuǎn)換成單通道灰度圖像；所述將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像采用以下公式進(jìn)行Y = O. 212671 XR+0. 715160XG+0. 072169XB其中，Y為灰度圖像像素點(diǎn)灰度值；R為RGB圖像像素點(diǎn)紅色分量值；G為RGB圖像像素點(diǎn)綠色分量值；B為RGB圖像像素點(diǎn)藍(lán)色分量值。
7.縮微智能車(chē)輛尋線控制裝置，其特征在于，包括與中央處理器相連接的圖像獲取模塊、圖像自適應(yīng)閾值二值化處理模塊、邊緣檢測(cè)模塊、車(chē)道線尋線處理模塊和車(chē)道線識(shí)別模塊；所述圖像獲取模塊，用于獲得道路的單通道灰度圖像；所述圖像自適應(yīng)閾值二值化處理模塊，用于將圖像進(jìn)行自適應(yīng)閾值二值化處理，即將大于閾值的像素點(diǎn)賦值為255，小于閾值的像素點(diǎn)賦值為0，得到單通道二值化圖像；所述邊緣檢測(cè)模塊，對(duì)單通道二值化圖像進(jìn)行邊緣檢測(cè)，將白色和黑色相接處的像素點(diǎn)賦值為255，其余賦值為0;所述車(chē)道線尋線處理模塊，用于在圖像中尋線；所述車(chē)道線識(shí)別模塊，用于確定左車(chē)道線或/和右車(chē)道線。
8.如權(quán)利要求7所述裝置，其特征在于，包括圖像濾光處理模塊，用于對(duì)圖像進(jìn)行濾光處理，即用單通道灰度圖像像素點(diǎn)減去背景圖像相同位置的像素點(diǎn)，所述背景圖像為對(duì)單通道灰度圖像進(jìn)行腐蝕處理和膨脹處理，除去和車(chē)道線相同寬度的白色線后得到的圖像。
9.如權(quán)利要求7所述裝置，其特征在于，包括中軸車(chē)道線擬合模塊，用于根據(jù)所得左車(chē)道線或/和右車(chē)道線，擬合生成中軸車(chē)道線。
10.如權(quán)利要求7-9任一所述裝置，其特征在于，所述圖像獲取模塊圖像包括三通道 RGB圖像獲取單元和轉(zhuǎn)換處理單元，所述三通道RGB圖像獲取單元用于獲取三通道RGB圖像，所述轉(zhuǎn)換處理單元用于將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像；所述將三通道RGB圖像轉(zhuǎn)換成單通道灰度圖像采用以下公式Y(jié) = O. 212671 XR+0. 715160XG+0. 072169XB其中，Y為灰度圖像像素點(diǎn)灰度值；R為RGB圖像像素點(diǎn)紅色分量值；G為RGB圖像像素點(diǎn)綠色分量值；B為RGB圖像像素點(diǎn)藍(lán)色分量值。
全文摘要
本發(fā)明涉及智能交通領(lǐng)域，提供一種縮微智能車(chē)輛尋線控制方法，利用圖像采集裝置，獲得道路的單通道灰度圖像，對(duì)圖像進(jìn)行自適應(yīng)閾值二值化處理，對(duì)單通道二值化圖像進(jìn)行邊緣檢測(cè)，在經(jīng)過(guò)邊緣檢測(cè)處理后的圖像中進(jìn)行尋線處理，確定左車(chē)道線或/和右車(chē)道線；還提供一種縮微智能車(chē)輛尋線控制裝置，包括與中央處理器相連接的圖像獲取模塊、圖像自適應(yīng)閾值二值化處理模塊、邊緣檢測(cè)模塊、車(chē)道線尋線處理模塊和車(chē)道線識(shí)別模塊；本發(fā)明對(duì)圖像進(jìn)行濾光處理，能夠去除比車(chē)道線寬的其它白色干擾，極大提升了光線不均勻、車(chē)道有強(qiáng)反光等在復(fù)雜環(huán)境下識(shí)別左或/和右車(chē)道線的準(zhǔn)確率。
文檔編號(hào)G05D1/02GK102541063SQ20121008221
公開(kāi)日2012年7月4日 申請(qǐng)日期2012年3月26日 優(yōu)先權(quán)日2012年3月26日
發(fā)明者任小龍, 儲(chǔ)衛(wèi)東, 時(shí)建桃, 王國(guó)胤, 王進(jìn) 申請(qǐng)人:重慶郵電大學(xué)