第十五届全国大学生智能汽车竞赛-双车组三轮图像处理总结

181
0
2021年2月1日 09时20分

18cm三轮摄像头图像处理

 

  • 前言
  • 比赛规则
  • 设备简述
  • 一、扫线方式(八领域)
    • 1.寻找赛道
      • 1)种子寻找
      • 2)八领域寻线
      • 3)在边界中提取边线[^1]
      • 4)计算中值
    • 2.赛道信息提取
      • 1)边界生长方向信息
      • 2)拐点的寻找
        • ①直角型拐点
        • ②圆弧形拐点
      • 3)边界的方差(或绝对值)计算
      • 4)边界的斜率

 

  • 二、赛道元素判断及处理
    • 1.十字元素
      • 正入十字
        • 1)判断条件
        • 2)拉线处理
      • 斜入十字(举一种情况)
        • 1)判断条件
        • 2)拉线处理
    • 2.环岛元素
      • 1)判断条件
      • 2)拉线处理
    • 3.车库元素
      • 入车库
        • 1)判断条件
        • 2)拉线处理
      • 出车库
        • 1)判断条件
        • 2)拉线处理(以右出库为例)
    • 4.坡道元素
      • 1)判断条件
      • 2)状态判断
      • 3)拉线处理
    • 5.会车
      • 1)判断条件
      • 2)拉线处理
    • 6.弯道
      • 1)小弯道
      • 2)大弯道
    • 7.长直道

 

  • 三、反光判断

 

  • 四、结语

 

前言

 

或许是有幸,参加了第十五届智能车竞赛,在这一年里,经历了很多,少有满意,认识了很多人,感谢相识。
比赛将要结束,我也将离智能车越来越远。但毕竟也曾热爱、付出过,希望能把我的一些经验写下来,至少留下一个痕迹,也能给一些准备比赛或像参加比赛的选手提供一些帮助。

 

比赛规则

 

第十五届全国大学生智能汽车竞赛竞速赛规则

 

可能由于疫情原因,比赛不仅提前了,而且准备时间还相比之前减少了很多,因此第十五届智能车竞速赛的赛道元素相比去年删去了一些,而仅仅新加了一个车库元素。因此,在图像方面,负担减轻了很多。

 

设备简述

 

F车
130°普通无畸变摄像头
摄像头镜面中心高度18.5cm
前瞻2.5-3m

 

一、扫线方式(八领域)

 

感谢聪聪在八领域方面的帮助@zcc
八领域实现原理在网上可以很容易找到,不再赘述。
主要讲一讲我是如何使用八领域的。

 

1.寻找赛道

 

1)种子寻找

 

在这里插入图片描述

 

定一个底行初始位置,从中间分别向两边寻找边线的种子

 

2)八领域寻线

 

在这里插入图片描述

 

利用八领域,由种子生长出整条边界

 

3)在边界中提取边线1

 

通过遍历八领域得到的连续边界,提取出用于计算中值的边线。

 

在这里插入图片描述

 

图中,左边蓝线与右边绿线为每行的边线,下图为分离图

 

在这里插入图片描述

 

4)计算中值

 

在这里插入图片描述

 

2.赛道信息提取

 

1)边界生长方向信息

 

八领域的各个方向

 

可以把领域的生长方向记录下来,作为边界的特征之一

 

2)拐点的寻找

 

①直角型拐点

 

直角型拐点的特征较为明显,边界在直角的顶点会急剧转向接近90°的另一个方向,常出现在十字中。
拿十字举例

 

二值图:

 

在这里插入图片描述

 

边界:

 

在这里插入图片描述

 

可以通过边界生长方向的变化来寻找

 

在这里插入图片描述

 

或者通过斜率的突变来寻找

 

在这里插入图片描述

 

②圆弧形拐点

 

因为赛道弯曲形成的拐点,回拐的程度较小,常出现在弯道或环岛中。

 

拿小弯举例

 

二值图:

 

在这里插入图片描述

 

边界:

 

在这里插入图片描述

 

拐点:

 

在这里插入图片描述

 

拐点出现在边界像素点横坐标的局部极大值或极小值处。

 

3)边界的方差(或绝对值)计算

 

①最小二乘法
这里使用最简单的拟合一次函数曲线的最小二乘法,网上很多教程与实例,不再赘述。

 

②用最小二乘法拟合出的直线计算与边界像素点的方差(或绝对值)

 

在这里插入图片描述

 

如图所示,可以直观看出像素点偏移直线程度。

 

4)边界的斜率

 

由最小二乘法得到的一次函数得到边界的总体斜率

 

二、赛道元素判断及处理

 

1.十字元素

 

正入十字

 

1)判断条件

 

二值图:

 

在这里插入图片描述

 

边界图:

 

在这里插入图片描述

 

①找到左前拐点
②左边线向左横向生长像素点较多
③找到右前拐点
④右边线向右横向生长像素点较多

 

2)拉线处理

 

①十字前

分别将左右前后两个拐点相连

 

在这里插入图片描述

 

②十字中
找到两个后拐点,利用最小二乘法前拉边线

 

在这里插入图片描述

 

斜入十字(举一种情况)

 

1)判断条件

 

二值图:

在这里插入图片描述

 

边界图:

 

在这里插入图片描述

 

①找到右前拐点
②右前边界向右横向生长的点数较多
③找到右后拐点
④找到左后拐点

 

2)拉线处理

 

①将右边两个拐点相连


②利用最小二乘法前拉左后拐点高行的直线

 

在这里插入图片描述

 

2.环岛元素

 

1)判断条件

 

以左环岛为例

 

二值图:

 

在这里插入图片描述

 

边界:

 

在这里插入图片描述

 

①左拐点
②左前边线横向生长的点较多
③右边界从底行到高行为直线,方差很小

判断条件较为简单,如果不放心,可以再提取左上圆环特征

 

2)拉线处理

 

整个环岛处理为一个状态机,大致拉线如下:
①左前直角型拐点与左后圆弧形拐点相连

 

在这里插入图片描述

 

②左后圆弧形拐点拉线

 

在这里插入图片描述

 

③入环拐点拉到右边低行

 

在这里插入图片描述

 

④环内正常边线

 

在这里插入图片描述

 

⑤开始出环先拉右线

 

在这里插入图片描述

 

⑥左后拐点与左前边线起始处相连

 

在这里插入图片描述

 

⑦二乘法将左后拐点拟线前拉

 

在这里插入图片描述

 

3.车库元素

 

入车库

 

1)判断条件

 

二值图:

 

在这里插入图片描述

 

边界图:

 

在这里插入图片描述

 

①找到左前拐点
②右边界为直线,方差较小
③扫到斑马线
④横向生长的点数较多(或左前拐点后的边界斜率很小很小)

 

2)拉线处理

 

①将左后拐点拉到左前拐点纵坐标位置的右边线

 

在这里插入图片描述

 

②将左后边线的起始位置拉到右下角

 

在这里插入图片描述

 

③当左后拐点小于一定行数,利用最小二乘法将左后拐点的线拟合到右下角

 

在这里插入图片描述

 

④进入车库,正常扫线

 

在这里插入图片描述

 

在这里插入图片描述

 

出车库

 

1)判断条件

 

无需判断,手动预设

 

2)拉线处理(以右出库为例)

 

①在库内,拉直线

 

在这里插入图片描述

 

②左前拐点小于某行或丢失,开始拉线

 

在这里插入图片描述

 

③避开斑马线进行扫线,直接拉到左下角

 

在这里插入图片描述

 

④出库基本完成,正常扫线

 

在这里插入图片描述

 

4.坡道元素

 

二值图:

 

在这里插入图片描述

 

边线图:

 

在这里插入图片描述

 

1)判断条件

 

 

在这里插入图片描述

①高行行间距变小
②高行与低行都是直线,方差很小

 

2)状态判断

 

①上坡前,边线延伸至顶行,行间距较大

 

在这里插入图片描述

 

②上坡时,边线顶端只能够到达中间行

 

在这里插入图片描述

 

③下坡时,边线又延伸至顶端,高行行间距变小

 

在这里插入图片描述

 

④下到坡底,行间距变宽

 

在这里插入图片描述

 

⑤坡道结束,回到正常赛道

 

在这里插入图片描述

 

 

3)拉线处理

 

①在坡顶时,只处理低行中线,减少因坡顶的视野太远导致的误扫边界的影响

 

在这里插入图片描述

 

②其他时候正常扫线

 

5.会车

 

1)判断条件

 

二值图:

 

在这里插入图片描述

 

边界图:

 

在这里插入图片描述

 

在道路中间由下往上找种子,找到后车车模并扫线

 

在这里插入图片描述

 

①找到车的四个拐点

 

在这里插入图片描述

 

②拐点前后边界的生长特征

 

在这里插入图片描述

 

③两个前拐点之间的距离符合正常后车长度

 

在这里插入图片描述

 

2)拉线处理

 

①将两个拐点中间的像素点作为后车中点

 

在这里插入图片描述

 

②将中点与最低行中点拉线

 

在这里插入图片描述

 

6.弯道

 

1)小弯道

 

 

①多处圆弧型拐点
②边界存在一定的方差
③边界的斜率一定范围内

 

在这里插入图片描述

 

 

2)大弯道

 

①一处圆弧拐点

②边线方差较大
③边界的斜率超出一定范围

 

在这里插入图片描述

 

 

7.长直道

 

①不存在圆弧拐点
②边线方差很小
③边界的斜率稳定在很小范围之内

 

在这里插入图片描述

 

 

三、反光判断

 

利用生长方向的异常来判断是否反光
二值图:

 

在这里插入图片描述

 

边界:

 

在这里插入图片描述

 

可以看到左边界尽头突然急剧折返,可以认为异常,判断为反光,停止扫线,减少一些误判或增强图像在反光时的鲁棒性。

 

四、结语

 

智能车让我学到了很多

 


  1. 边界为八领域生长出的连续像素点,边线为每行一个的离散像素点 ↩︎

发表评论

后才能评论