一種非均勻行采集的智能車(chē)路徑識別算法

　　斷點(diǎn)修補

　　由于光線(xiàn)的不均勻或路徑中出現較大的干擾，可能會(huì )出現部分行采集不到引導線(xiàn)的情況，從而出現斷點(diǎn)。而且交叉道路的圖像經(jīng)過(guò)上述方法處理后也會(huì )出現斷點(diǎn)的情況，因此有必要加入斷點(diǎn)修補環(huán)節，對路徑進(jìn)行縱向濾波。

　　根據引導線(xiàn)的連續性，路徑坐標不應該出現突變的情況，也就是引導線(xiàn)的一階導數應該是連續的，即引導線(xiàn)的斜率不會(huì )發(fā)生突變。根據這個(gè)特性，斷點(diǎn)修補的方法步驟如下：

　　(1)求出第i行與第2i−行的路徑坐標之差

　　(2)求出第1i−行與第3i−行的路徑坐標之差

　　(3)求出Dposition[1]與Dposition[2]之差的絕對值

　　(4)若Adposition大于4，則

　　通過(guò)該算法，道路圖像斷點(diǎn)區域得到了修復，引導線(xiàn)從首點(diǎn)到末點(diǎn)之間形成了一條連通的曲線(xiàn)，這種斷點(diǎn)修補方法滿(mǎn)足了智能車(chē)提取引導線(xiàn)趨勢的要求。

　　縱向濾波

　　對于某些跳變不大的干擾行，雖然不會(huì )影響對路徑整體趨勢的判斷，但其對后續控制模塊的計算會(huì )產(chǎn)生較大影響。當控制行坐標突變時(shí)，勢必會(huì )造成舵機的抖動(dòng)，智能車(chē)速度較快時(shí)甚至會(huì )導致車(chē)體脫離引導線(xiàn)，因此加入縱向濾波環(huán)節對路徑進(jìn)行平滑很有必要。

　　縱向濾波采用中值濾波的思路，具體方法為：判斷該行路徑坐標若在其前一行和后一行的同一側，即該行坐標同時(shí)大于或同時(shí)小于其前一行和后一行坐標，則賦予該行坐標為其前一行和后一行坐標的平均值。

　　導航參數獲取

　　經(jīng)過(guò)路徑提取后，得到引導線(xiàn)在圖形坐標系下的坐標(u,v)，然后通過(guò)式(3)、(4)得到引導線(xiàn)的世界坐標(x ,y )，通過(guò)最小二乘法進(jìn)行曲線(xiàn)擬合，便得到引導線(xiàn)的曲線(xiàn)方程。對于直線(xiàn)模型y=kx+b，可運用斜率 k和截距b作為導航參數對車(chē)體進(jìn)行控制[7];對于曲線(xiàn)模型，可得到彎道的曲率半徑和橫向偏差作為導航參數對車(chē)體進(jìn)行控制。

　　實(shí)驗結果分析

　　采集方案實(shí)驗

　　攝像頭采集的圖像如圖6所示，a為均勻行采集效果，b為按表1分布行數采集的效果。由圖可以看出，非均勻行采集的圖像更接近實(shí)際圖像，對引導線(xiàn)曲率的計算更加準確，為智能車(chē)控制決策模塊提供了更加精確地引導線(xiàn)信息。而且，由圖還可看出通過(guò)非均勻行采集，相對提高了攝像頭的

　　圖7 有斷點(diǎn)彎道

　　圖8 十字交叉道路前瞻性，為進(jìn)一步提高智能車(chē)的速度打下了基礎。

　　路徑識別實(shí)驗

　　攝像頭獲取的彎道圖像如圖7a所示，由于光線(xiàn)的影響，中間部分出現了斷點(diǎn)，經(jīng)斷點(diǎn)修復和中值濾波后得到的圖像分別如圖7c和7d所示，道路圖像斷點(diǎn)區域得到了修復，引導線(xiàn)從首點(diǎn)到末點(diǎn)之間較平滑，據此可獲得路徑的精確導航參數。

　　十字交叉道路是智能車(chē)導航中較常見(jiàn)的路況，同時(shí)也是路徑識別中比較復雜的內容。如圖8a所示的十字交叉道路經(jīng)路徑識別后得到的引導線(xiàn)如圖8d所示，可以將交叉線(xiàn)完全濾除。

　　結語(yǔ)

　　本文基于黑白攝像頭設計了圖像采集系統，為消除圖像畸變，提出了非均勻行采集的采集方案。圖像處理時(shí)，首先在行中斷中對單行數據進(jìn)行了橫向濾波和邊緣檢測，并提取了該行路徑坐標;然后在場(chǎng)中斷中，根據引導線(xiàn)的連續性對整場(chǎng)數據進(jìn)行了縱向濾波，對整場(chǎng)路徑進(jìn)行了平滑，并提取出了引導線(xiàn)的精確導航參數，為下一步進(jìn)行車(chē)體控制提供了信息。實(shí)驗結果表明，該算法能精確提取路徑信息，且可靠性和抗干擾性強，數據處理速度快，完全滿(mǎn)足智能車(chē)實(shí)時(shí)性的要求。