智能车数字图像处理算法入门及C语言实现_智能车图像处理开源代码

https://www.bilibili.com/video/BV1eL411L7NR?spm_id_from=333.999.0.0&vd_source=d59d7bc22106d87da35c63b8af6491e8

图像简单处理附加提升

二值化 - 边缘提取 - 特征识别 - 补线 - 中心巡线 - 偏差曲率计算

图像二值化

0 - 255 >> 0 - 1
1. 固定阈值
最简单，不用
2. 动态阈值
由近向远逐行迭代阈值
3. 大津法
灰度直方图找谷底

数据示例

一行数据：
38 36 40 60 55 78 99 111 114 121 115 120 118 100 110 106 80 60 40 35 42 40 36

二值化：
0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0

边缘提取：
0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0

差比和计算偏差

if( (dat[0]-dat[1]/dat[0]+dat[1]) > 斜率阈值) dat[0]=1; dat[1]=1;
1

大津阈值法代码实现

// DMA 模块+外部中断结合，自动读取摄像头数据
#define pixel_num 4800
uchar image[pixel_num];	// 图像数组 60*80

// 大津法二值化
uint huidu[256]={0};	// 灰度直方图数组
uchar YUZHI;	// 二值化阈值

for(i=0; i<4800; i++)	// 遍历所有像素
{
	huidu[image[i]]++;	// 统计灰度直方图
}

uint H1=0, H2=0;	//第一、第二高峰海拔值
uchar D1=0, D2=0;	// 第一、第二高峰位置

#define KUAN 30	// 山峰宽度阈值

for(i=0; i<256; i++)	// 遍历灰度直方图
{
	if(huidu[i] > H1)	// 寻找最大值
	{
		H1 = huidu[i];	// 记录海拔
		D1 = i;	// 记录位置
	}
	
}

bit OK = 0;	// 是否找到第二高峰
/* 要找的是第二高峰，不是第二高点 */
for(i=H1-5; i>0; i-=5)	// 向下切，找第二高峰
{
	for(j=0; j<256; j++)	// 遍历这一行
	{
		if(huidu[j] > i && abs(j-D1) > KUAN)	// 有上面部分
		{
			H2 = i;	// 记录第二高峰海拔
			D2 = j;	// 记录第二高峰位置
			OK = 1;	// 标志置位
			break;
		}
	}
	if(OK)	break;	// 如果找到，直接跳出
}

uint H3=pixel_num;	// 山谷海拔值
uchar D3=0;	// 山谷位置
if(OK)	// 已经找到2座山
{
	if(D1<D2)	// 找山谷
	{
		for(i=D1; i<D2; i++)
		{
			if(huidu[i]<H3)	// 寻找最小值
			{
				H3 = huidu[i];
				D3 = i;
			}
		}
	}
	else
	{
		for(i=D2; i<D1; i++)
		{
			if(huidu[i]<H3)
			{
				H3 = huidu[i];
				D3 = i;
			}
		}
	}

	YUZHI = D3;	// 获取阈值
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74

图像二值化代码实现

uchar image1[60][80];	// 二维图像临时处理数组1
uchar image2[60][80];	// 二维图像临时处理数组2

for(i=0; i<4800; i++)
{
	if(image[i]>YUZHI)	// 判断灰度值
	{
		image1[i/80][i%80] = 1;	// 白点
	}
	else
	{
		image1[i/80][i%80] = 0;	// 黑点
	}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14

图像处理

灵魂
通过关键点特征来判断

uchar AX, AY;	// A点
uchar BX, BY;	// B点
uchar CX, CY;	// C点
uchar DX, DY;	// D点

AY = 59;	// 获取 AB 点
BY = 59;
for(i=39; i>=1; i--)	// 从中间向左找上升
{
	if(image1[59][i] - image1[59][i-1] == 1）	// 找到上升沿 
	{
		AX = i;	// A 横坐标
	}
}

for(i=39; i<79; i++)	// 从中间向右找上升沿
{
	if(image1[59][i] - image1[59][i+1] == 1)	// 找到上升沿
	{
		BX = i;	// B 横坐标
	} 
}

CY = AY-1;	// 迭代 C 点
CX = AX-1;	// 去到下一行的边界黑点
for(i=CY; i>0; i--)	// 由近及远
{
	for(j=CX; j<80; j++)	// 由左向右
	{
		if(image[i][j] == 1)	// 找到白点
		{
			CX = j-1;	// 得到上一行黑点X位置
			break;
		}
	}
	if(image1[i-1][CX] == 1)	// 判断上方是否还有黑点
	{
		CY = i;	// 得到C点Y位置
		break;
	}
}

DY = BY-1;	// 迭代D点
DX = BX+1;	//	得到下面一行黑点 
for(i=DY; i>0; i--)	// 由近及远
{
	for(j=DX; j>0; j--)
	{
		if(image1[i][j] == 1)	// 找到白点
		{
			DX = j + 1;
			break;
		}
	}
	if(image1[i-1][DX] == 1)
	{
		DY = i;
		break;
	}
}

if(abs(CY-DY)<10) && CY > 30 && DY > 30)	// 初级判断十字路口 
{
	uchar Y = min(CY, DY);	// 获取CD高度较小值
	uchar HEI = 0;	// 十字路口上方区域黑点数量
	for(i=Y; i>Y-10; i-=2)	// Y抽点轮训
	{
		for(j=10; j<70; j+=5)	// X抽点轮训
		{
			if(image1[i][j] == 0)	// 如果有黑点
			{
				HEI++;	// 计数变量++
			}
		}
	}
	if(HEI < 10)	// 最终判断十字路口，并补线
	{
		float K;	// 补线斜率
		K = (CX-AX)/(CY-AY);	// 计算AC点斜率

		for(i=CY; i>CY-20; i--)	// 补AC延长2像素宽线
		{
			image1[i][CX+(CY-i)*K] = 0;	//把图像对应点涂黑
			image1[i][(CX+(CY-i)*K)-1] = 0;
		}

		K = (DX-BX)/(DY-BY);	// 计算AC点斜率

		for(i=DY; i>DY-20; i--)	// 补AC延长2像素宽线
		{
			image1[i][DX+(DY-i)*K] = 0;	//把图像对应点涂黑
			image1[i][(DX+(DY-i)*K)-1] = 0;
		}
	}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95

找中线代码实现

uchar ZHONGXIAN[60] = {39};	// 中线位置
uchar ZUO[60] = {0};	// 左线位置
ucahr YOU[60] = {79};	// 右线位置

// 先找最底下一行中心线
for(i=ZHONGXIAN[59]; i>=1; i--)	// 从中间向左找上升
{
	if(image1[59][i] - image1[59][i-1] == 1）	// 找到上升沿 
	{
		ZUO[59] = i;
	}
}

for(i=ZHONGJIAN[59]; i<79; i++)	// 从中间向右找上升沿
{
	if(image1[59][i] - image1[59][i+1] == 1)	// 找到上升沿
	{
		YOU[59] = i;	// 右线
	} 
}

ZHONGJIAN[59] = (ZUO[59] + YOU[59]) /2;	// 最底下一行中心线位置找到

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

完整实现

uchar ZHONGXIAN[60] = {39};	// 中线位置
uchar ZUO[60] = {0};	// 左线位置
ucahr YOU[60] = {79};	// 右线位置

for(i=59; i>=0; i--)	// 向上迭代中心线 ，从靠近摄像头到远离摄像头
{
	for(j=ZHONGJIAN[i]; j>=1; j--)	// 从中间向左找上升沿
	{
		if(image1[i][j] - image1[i][j-1] == 1)	// 找到上升沿
			ZUO[i] = j;	// 左线
	}
	for(j=ZHONGJIAN[i]; j<79; j++)	// 从中间向右找上升沿
	{
		if(image1[i][j] - image1[i][j+1] == 1)	// 找到上升沿
			YOU[i] = j;	// 右线
	}
	ZHONGJIAN[i] = (ZUO[i] + YOU[i]) / 2;	// 计算当前行中心点
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

优化

1. 大湾

for(j=ZHONGJIAN[i+1]; j<79; j++)	// 从中间向右找上升沿
1

以上一次的中间值为这一行的中值向两侧寻找
避免如下情况，找不到中间值

2. 图像截取
图片拟出来的中点向上应该为白色；否则此时不为赛道。

if(h > 1 && ZHONGJIAN[h-1]==0)	// 此时截止
1

求车身横向偏差

可以通过求曲率，太复杂这里不展示

 uchar QIANZHAN = 15;	// 摄像头前瞻
 uchar YUAN, ZHONG, JIN;	// 中线所在位置
 char ERR = 0;	// 前瞻偏差
 char YERR = 0;	// 车身横向偏差
 
 JIN = ZHONGJIAN[59];
 ZHONG = ZHONGJIAN[59-QIANZHAN];
 YUAN = ZHONGJIAN[59-QIANZHAN*2];
 
 /*  分情况讨论，右负左正 */
 if(YUAN<ZHONGJIAN && ZHONG < JIN)	// 情况1
 {
 	ERR = ( (ZHONG - YUAN ) + (JIN - ZHONG) )/2;	// 获取前瞻偏差
 }
 else if(YUAN < ZHONG && ZHONG >= JIN)	// 情况2
 {
 	ERR = JIN - ZHONG;	// 获取前瞻偏差
 }
 else if(YUAN >= ZHONG && ZHONG < JIN)	// 情况3
 {
 	ERR = JIN - ZHONG;	// 获取前瞻偏差
 }
 else
 {
 	ERR = ( (ZHONG - YUAN ) + (JIN - ZHONG) )/2;	// 获取前瞻偏差
 }

YERR = JIN - 39;	// 获取车身横向偏差
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

方向 PD 控制

PID参数随机编撰

float KP = 1.0;	// 方向控制前瞻比例系数
float KD = 1.0;	// 方向控制前瞻微分系数
float YKP = 1.0;	// 方向横向控制比例系数

float GYRO_Z;	// 车身Z轴角速度

#define DUOji_ZHONGZHI 840	// 前轮正方向的舵机占空值

uint DUOJI_PWM;	// 舵机PWM

GET_z = GET_GYRO(Z);	// 获取车身Z轴角速度

DUOJI_PWM = DUOJI_ZHONGZHI + KP*ERR + YKP*YERR - KD*GYRO_Z;	// 舵机参数计算

PWM_OUT(DUOJI_PWM);	// 控制舵机
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15