飞思卡尔 北航空蛟队论文.doc

D的图像处理研究张巍作者简介:张巍(1981~),女,辽宁省大连人,检测技术及自动化装置硕士研究生,主要研究方向为检测技术和遥测控制系统。陈威2(1985~),男,湖北人,汽车工程系本科生。关新3(1986~),男,山东人,宇航学院本科生。陈威2关新3(,100083)文摘:飞思卡尔智能车比赛中,D采集赛道图像并进行处理与识别,以获得赛道参数,D采集到图像以后,进行亮度校正,阈值分割,寻找中点,用最小二乘法拟合直线,最终给出赛车方位的信息与赛道类型的判断,为赛车的控制提供依据。经实验验证,按照本文给出的方法,可以正确识别图像中的赛道并给出赛道的方位角,偏离量,并作出直道与弯道的判断。在不同的光照条件下及图像有一定的噪声干扰时本文提出的方法均可稳定地工作。D;图像处理;赛道识别中图分类号:TP1ZHANGWei1,ChenWei1,GuanXin1(,BeihangUniversity,Beijing100083,China;)Abstract::D;imageprocessing;racewayrecognition引言计算机视觉的建立分为两个层次的任务:低层的图像处理和高层的图像理解。低层的图像处理包括抑制噪声,边缘提取,图像分割等步骤,其主要目的在于为高层图像理解提供更有效的信息。而图像理解的目的在于获取图像中的各种信息,包括几何关系,与自然语言描述等。在飞思卡尔智能车比赛中,D传感器。D传感器能够获得更多的关于赛道的信息,能够感知到赛车前方更远距离的赛道变化,D传感器的使用涉及数据采集,与识别,以及控制方案的设计。本文主要结合计算机图象处理与识别,就中的相关问题及解决方法进行讨论。1赛道图像亮度校正在理想情况下,图像获取和数字化设备的灵敏度不应该与图像的位置有关,但是这种假设在很多实际情况下是不对的。光线离光轴越远,透镜对它削弱得就越多,且传感器的光敏元件并不具有完全相同的灵敏度。另外,不均匀的物体照明也是造成某些位置亮度退化的一个原因。对于有规律的退化,我们可以进行亮度校正。设g(i,j)是期望的图像,f(i,j)是实际采集到的图像,e(i,j)为亮度失真系数,则f(i,j)=g(i,j)*e(i,j)。为还原真实图像亮度,只需用下式:g(i,j)=f(i,j)/e(i,j)即可进行校正。。可以看到,白色的背景在采集到的图像中有了较大变化,图像越靠近四周,D透镜光轴越远,亮度退化越严重,甚至有可能低于赛道图像亮度。如果整幅图像直接采用同一阈值进行分割,则有可能将部分背景归入赛道。为此,我们在分割之前对图像亮度加以校正。取亮度失真系数e(i,j)