一種非均勻行采集的智能車(chē)路徑識別算法

　　單行數據處理

　　橫向濾波

　　由于受到道路環(huán)境和硬件環(huán)境，如：光電轉換過(guò)程中光敏元件靈敏度的不均勻性、數字化過(guò)程的量化噪聲等的影響，單片機采集的圖像信息中會(huì )存在干擾，在路徑識別過(guò)程中，有些干擾可能會(huì )被誤認為是引導線(xiàn)。因此，在單行數據處理之前，首先對圖像信息進(jìn)行橫向濾波。

　　中值濾波是一種典型的非線(xiàn)性濾波方式，其主要功能是讓與周?chē)袼鼗叶戎档牟畋容^大的像素改取與周?chē)袼刂到咏闹?，中值濾波對孤立的噪聲點(diǎn)(特別是椒鹽噪聲)的消除能力較強，同時(shí)能夠有效保護圖像的邊緣[4]。

　　本文選用1×3的窗口對單行數據進(jìn)行中值濾波，將某個(gè)像素點(diǎn)和相鄰兩個(gè)像素點(diǎn)的像素值按大小順序排列，取出中間值作為該點(diǎn)的像素值。這種方法能夠有效地抑制隨機噪聲，并且計算量相比去噪常用的3×3模板要小得多，能夠有效地提高路徑識別的實(shí)時(shí)性[5]。

　　閾值分割

　　閾值分割的基本思想是確定一個(gè)閾值，然后把每個(gè)像素點(diǎn)的像素值和閾值相比較，根據比較結果把該像素劃分為目標或背景，圖像分割效果的好壞直接取決于閾值的選取。由于光線(xiàn)和噪聲的干擾，若用一個(gè)固定閾值進(jìn)行分割，會(huì )產(chǎn)生一定的誤差。為盡可能減小誤分割的概率，增強智能車(chē)的抗光線(xiàn)變化干擾能力，本文采用動(dòng)態(tài)閾值對每一行圖像進(jìn)行分割，根據上一行的圖像數據確定下一行的閾值，閾值T的確定方法為[6]：

　　式中，bm和tm分別為背景和目標區域平均灰度值。

　　這里先取圖像灰度范圍的中值作為第一行的初始值，然后迭代求得各行的值。具體迭代步驟如下：

　　(1) 求出第一行圖像中的最大灰度值maxZ和最小灰度值minZ;

　　(2) 求出第一行的初始閾值T0=(maxZ+minZ)/2，給定迭代時(shí)新舊閾值的允許接近程度ε=5;

　　(3) 求出第一行圖像中灰度值Z≥T1的所有像素點(diǎn)的數量bn、累加和bS以及灰度值Z< T1的所有像素點(diǎn)的數量tn、累積和tS;

　　(4) 計算確定第一行閾值

　　(5) 轉至步驟(3)，求出第i行閾值Ti，如果則Ti為最終閾值，否則，Ti =Ti-1。

　　邊緣檢測

　　邊緣是目標與背景相鄰區域之間灰度值不連續的結果，邊緣檢測是所有基于邊界的圖像分割的第一步。本系統的引導線(xiàn)與地板的色差較大，反映在數據中就是灰度值差別較大，引導線(xiàn)與地板間的邊沿較明顯，如圖5所示，因此對邊緣進(jìn)行檢測較容易且可靠性高。

　　邊緣檢測的思路是：確定一閾值，對采集的單行圖像數據逐點(diǎn)進(jìn)行掃描，若灰度值小于閾值，則判斷該點(diǎn)為黑點(diǎn)，即檢測到引導線(xiàn)左邊緣，繼續掃描，若灰度值大于給定閾值，則該點(diǎn)為白點(diǎn)，將該點(diǎn)作為引導線(xiàn)右邊緣。右邊緣和左邊緣的橫坐標之差為引導線(xiàn)的寬度，其平均值即為引導線(xiàn)的中心橫坐標值。

　　由于圖像數據中可能存在著(zhù)未被濾出的噪聲點(diǎn)，通過(guò)以上算法不可避免地會(huì )將一些噪聲點(diǎn)識別為引導線(xiàn)。從而可能在一行數據中存在多段黑線(xiàn)，根據路徑的連續性特性對路徑進(jìn)行提取可提高引導線(xiàn)識別的可靠性。提取路徑的過(guò)程如下。

　　(1)如果該行中沒(méi)有檢測到黑線(xiàn)，則該行為純白或純黑行，將路徑坐標置為零，同時(shí)將無(wú)效行標志置位。若該行為一場(chǎng)的第一行，則將無(wú)效場(chǎng)標志置位。

　　(2)如果檢測到一段黑線(xiàn)，若黑線(xiàn)寬度大于設定的先驗值，則將該黑線(xiàn)段的中心坐標作為該行的路徑中心坐標，否則將該行設為無(wú)效行。

　　(3)如果檢測到兩段黑線(xiàn)，若該行為一場(chǎng)的第一行，則該行的路徑坐標不變，即保持上一場(chǎng)該行的路徑坐標;否則，分別判斷兩段黑線(xiàn)與上一行路徑坐標的距離，取距上行較近的黑線(xiàn)中心為該行路徑坐標。

　　(4)如果檢測到更多黑線(xiàn)，則該行無(wú)效，將路徑坐標置為零，同時(shí)將無(wú)效行標志置位。

　　整場(chǎng)數據處理

　　道路圖像經(jīng)過(guò)單行路徑提取以后，橫向的單點(diǎn)噪聲已經(jīng)消除，但是對于部分寬度較大的干擾卻無(wú)法濾除，這樣提取出來(lái)的路徑在某些行就發(fā)生了跳變。為了得到準確的引導線(xiàn)參數，為后續的控制模塊提供精確的導航參數，需要在整場(chǎng)圖像采集完畢之后，對提取的路徑進(jìn)行縱向的平滑。