CN109033932B - 一种赛道识别方法、识别系统、智能车巡迹方法及巡迹系统 - Google Patents
一种赛道识别方法、识别系统、智能车巡迹方法及巡迹系统 Download PDFInfo
- Publication number
- CN109033932B CN109033932B CN201810502058.4A CN201810502058A CN109033932B CN 109033932 B CN109033932 B CN 109033932B CN 201810502058 A CN201810502058 A CN 201810502058A CN 109033932 B CN109033932 B CN 109033932B
- Authority
- CN
- China
- Prior art keywords
- track
- image
- black
- binary
- white
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种赛道识别方法及系统,包括如下步骤:获取赛道图像,并对所述赛道图像进行二值化处理,转换为黑白像素点的二值化赛道图像;将二值化赛道图像中的黑白像素点分布特征,依序与圆环赛道、十字赛道、斜入十字赛道、弯道赛道、直道赛道、路障和终点的特征元素进行比较,判断出赛道类型。本发明通过顺序对赛道进行识别,实现先对具有特征明显、不易与其他赛道元素出现共存、冲突的先对圆环赛道、十字赛道、斜入十字赛道等特殊赛道元素进行优先识别,在不是这些赛道的情况下,再对弯线赛道、直线赛道和终点等特征较模糊的基础赛道元素进行识别,提高了识别的准确性和识别效率。
Description
技术领域
本发明涉及赛道识别领域,特别是涉及一种赛道识别方法、识别系统、智能车巡迹方法及巡迹系统。
背景技术
智能汽车竞赛是以智能汽车为研究对象,使智能汽车沿着特定的赛道进行竞技的创意性科技竞赛,是一种极具探索性的工程实践活动。随着赛道类型的复杂化,现有的智能汽车赛道识别中往往会出现误判的现象,导致整个控制系统出现错误。
发明内容
基于此,本发明的目的在于,提供一种赛道识别方法,其具有赛道识别准确和赛道识别效率高的优点。
一种赛道识别方法,包括如下步骤:
获取赛道图像,并对所述赛道图像进行二值化处理,转换为黑白像素点的二值化赛道图像;
将二值化赛道图像中的黑白像素点分布特征,依序与圆环赛道、十字赛道、斜入十字赛道、弯道赛道、直道赛道、路障和终点的特征元素进行比较,判断出赛道类型。
相比于现有技术,本发明通顺序对赛道进行识别,实现先对具有特征明显、不易与其他赛道元素出现共存、冲突的先对圆环赛道、十字赛道、斜入十字赛道等特殊赛道元素进行优先识别,在不是这些赛道的情况下,再对弯线赛道、直线赛道和终点等特征较模糊的基础赛道元素进行识别,提高了识别的准确性和识别效率。
进一步地,所述判断赛道类型的方法,包括如下步骤:
判断二值化赛道图像中的黑白像素点分布特征是否包括圆环赛道的特征元素,若包括,则二值化赛道图像表征的赛道为圆环赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括十字赛道的特征元素,若包括,则二值化赛道图像表征的赛道为十字赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括斜入十字赛道的特征元素,若包括,则二值化赛道图像表征的赛道为斜入十字赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括弯道赛道的特征元素,若包括,则二值化赛道图像表征的赛道为弯道赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括直道赛道的特征元素,若包括,则二值化赛道图像表征的赛道为直道赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括路障的特征元素,若包括,则二值化赛道图像表征的赛道包含路障;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括终点的特征元素,若包括,则二值化赛道图像表征的赛道为终点赛道。
通过对每个赛道进行分级识别的方法,先判断每个赛道中最明显的赛道元素,在包含该赛道最明显的赛道元素后,才对该赛道的次级明显赛道元素进行判断,依次逐级判断,在提高了识别效率的同时,也大大提高了识别准确率。
本发明还提供一种赛道识别系统,包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述所述的赛道识别方法的步骤。
本发明还提供一种智能车巡迹方法,包括通过上述的赛道识别方法识别出赛道类型后,根据巡线算法获得图像各行的中线值,再根据赛道类型获取赛道的中线值或赛道的模糊中线值,使智能车根据反馈的赛道的中线值或赛道的模糊中线值行驶;
所述根据赛道类型获取中线值或模糊中线值的方式为:
若所述赛道类型为圆环赛道,以所述图像底端行的中线值作为起始点、以图像最右侧全轴均为白色纵轴的中点作为终止点、以距离图像底端的1/6纵轴距离的点所在的横轴上的中线值处的点作为第一参考点、以图像中的圆环上最下边的点作为第二参考点,通过所述起始点、终止点、第一参考点和第二参考点拟合出贝赛尔曲线,再选取终止点下方5个像素点所在的横轴与贝赛尔曲线的交点作为圆环赛道的模糊中线值;
若所述赛道类型为十字赛道,则选取识别过程的最后一步出现的黑色-白色-黑色三种颜色跳变的区域中,白色区域的中点为十字赛道的中线值;
若所述赛道类型为左斜入十字赛道,则在二值化图像赛道最右侧的纵轴上的最底端至该纵轴的中间自下向上遍历,直到遇到黑色像素点为止,在遇到黑色像素点的行数向上3个像素点的行上进行自右向左的遍历,判断像素点出现黑色-白色-黑色的跳变,选取白色区域的中点为中线值;若图像最右侧的纵轴上无黑色像素点,则将图像最右侧的值作为左斜入十字赛道的模糊中线值;
若所述赛道类型为右斜入十字赛道,在二值化图像赛道最左侧的纵轴的最底端至该纵轴的中间自下向上遍历,直到遇到黑色像素点为止,在遇到黑色像素点的行数向上3个像素点的行上进行自左向右的遍历,判断像素点出现黑色-白色-黑色的跳变,选取白色区域的中点为中线值;若图像最左侧的纵轴上无黑色像素点,则将图像最左侧的值作为右斜入十字赛道的模糊中线值;
若所述赛道类型为弯道赛道,则选取图像顶端行的左边界数组值作为弯道赛道的中线值;
若所述赛道类型为直线赛道,则获取距离图像顶端的1/3纵轴距离的点所在的横轴上的中线值作为直线赛道的中线值;
若所述赛道类型为终点赛道,则选获取距离图像顶端的1/3纵轴距离的点所在的横轴的中线值作为终点赛道的中线值;
若所述赛道类型包含路障,若从图像中路障行自左向右进行遍历,以获取黑白像素点分布特征,在出现黑色-白色-黑色-白色-黑色的跳变区域,选择白色区距离较大的横轴的中点作为包含路障赛道的中线值。
本发明还提供一种智能车巡迹系统,包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现上述所述的智能车巡迹方法的步骤。
相比于现有技术,本发明通顺序对赛道进行识别,实现先对具有特征明显、不易与其他赛道元素出现共存、冲突的先对圆环赛道、十字赛道、斜入十字赛道等特殊赛道元素进行优先识别,在不是这些赛道的情况下,再对弯线赛道、直线赛道和终点等特征较模糊的基础赛道元素进行识别,提高了识别的准确性和识别效率。进一步地,通过对每个赛道进行分级识别的方法,先判断每个赛道中最明显的赛道元素,在包含该赛道最明显的赛道元素后,才对该赛道的次级明显赛道元素进行判断,依次逐级判断,在提高了识别效率的同时,也大大提高了识别准确率。进一步地,通过引入模糊中线值,解决了传统技术中难以获取圆环赛道、十字赛道和斜入十字赛道精确的中线值的方法,确保了智能车在这些赛道中正常行驶,提高了智能车巡迹速度。
为了更好地理解和实施,下面结合附图详细说明本发明。
附图说明
图1为本发明实施例中赛道识别方法的流程图;
图2为本发明实施例中各赛道类型的示意图。
具体实施方式
实施例1
请同时参阅图1至图2,图1为本发明实施例中赛道识别方法的流程图;图2为本发明实施例中各赛道类型的示意图。所述赛道识别方法,包括如下步骤:
步骤S1:获取赛道图像,并对所述赛道图像进行二值化处理,转换为黑白像素点的二值化赛道图像。
在一个实施例中,所述白像素点表示赛道,所述黑像素点表示赛道之外。
步骤S2:将二值化赛道图像中的黑白像素点分布特征,依序与圆环赛道、十字赛道、斜入十字赛道、弯道赛道、直道赛道、路障和终点的特征元素进行比较,以判断出赛道类型。
所述判断赛道类型的方法,包括如下步骤:
判断二值化赛道图像中的黑白像素点分布特征是否包括圆环赛道的特征元素,若包括,则二值化赛道图像表征的赛道为圆环赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括十字赛道的特征元素,若包括,则二值化赛道图像表征的赛道为十字赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括斜入十字赛道的特征元素,若包括,则二值化赛道图像表征的赛道为斜入十字赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括弯道赛道的特征元素,若包括,则二值化赛道图像表征的赛道为弯道赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括直道赛道的特征元素,若包括,则二值化赛道图像表征的赛道为直道赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括路障的特征元素,若包括,则二值化赛道图像表征的赛道包含路障;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括终点的特征元素,若包括,则二值化赛道图像表征的赛道为终点。
在一个实施例中,所述判断二值化赛道图像的黑白像素点分布特征是否包括圆环赛道的特征元素,包括如下步骤:
在二值化赛道图像中心所在的纵轴、以及距离该图像中心左右各1/4图像横向距离位置处的纵轴自下向上遍历,以获取黑白像素点分布特征,判断这些纵轴上的黑白像素点分布特征是否包括白色-黑色-白色三种像素点的跳变,若不包括,则说明该二值化赛道图像表征的赛道不是圆环赛道;否则,
以白色-黑色-白色三种像素点的跳变中心为中心点,在经过该中心点的横轴上自左向右遍历,以判断横轴上是否包括白色-黑色-白色三种颜色跳变,若不包括,则说明该二值化赛道图像表征的赛道不是圆环赛道;否则,
以找到的白色-黑色-白色三种颜色跳变的中心点,判断该中心点周围的一定范围内是否均为黑色,若不是,则说明该二值化赛道图像表征的赛道不是圆环赛道;否则,
判断在该中心点的黑色范围以下区域的横纵方向是否均为白色,若不是,则该二值化赛道图像表征的赛道不是圆环赛道;否则,判断该赛道图像包括圆环赛道。
在一个实施例中,为更精准地识别各类型赛道,采用巡线算法进行识别,下面具体介绍巡线算法:本发明中二值化赛道图像共有60行,160列,定义ROWS=60,COLS=160,图像保存则二维数组image[ROWS][COLS]中。定义赛道的左右边界分别为LeftBorder[ROWS]和RightBorder[ROWS],中线为CenterBorder[ROWS]。以二值化图像的最底端的横轴为起始行,从该行的中间分别往两边进行扫描,判断黑白像素点是否满足白色-黑色的跳变,若满足,则将该行的横坐标存储到相应的边界数组LeftBorder和RightBorder中,将左右边界值相加除以2,获得该行的中线值,存入中线数组CenterBorder中。将起始行数值往上移1行,以起始行即前一行获取的左边界值加5为起始位置自右往左进行扫描,判断黑白像素点是否满足白色-黑色的跳变,若满足,则将该行的横坐标存储到相应的边界数组LeftBorder中,同理,以前一行获取的右边界值减5为起始位置自左往右进行扫描,判断黑色像素点是否满足白色-黑色的跳变,若满足,则将该行的横坐标存储到相应的边界数组RightBorder中,将左右边界值相加除以2,获得该行的中线值,存入中线数组CenterBorder中。在进行左右边界判断过程中,若某一行完全找不到白色-黑色跳变,则保留前一行的左右边界值为新一行的边界值。当图像出现左边界值等于右边界值时,说明图像达到实际赛道的顶端,此时即退出巡线算法。
在一个实施例中,所述判断二值化赛道图像的黑白像素点分布特征是否包括十字赛道的特征元素,包括如下步骤:
在二值化赛道图像中心所在的横轴、以及距离该图像中心上下各1/4纵向距离位置处的横轴自左向右遍历,以获取黑白像素点分布特征,判断这些横轴上的黑白像素点分布特征是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是十字赛道;否则,
以距离该图像中心下方1/4纵向距离位置处的横轴作为起始行,自起始行往上扫描至图像顶部往下5个像素为止,其中每一行从中间分别向左右两边进行扫描,判断在左右扫描过程中是否包括白色-黑色跳变,若包括,则说明该二值化赛道图像表征的赛道是十字赛道;否则,判断该二值化赛道图像表征的赛道不是十字赛道。
在一个实施例中,所述判断二值化赛道图像的黑白像素点分布特征是否包括斜入十字赛道的特征元素,包括如下步骤:判断二值化赛道图像的黑白像素点分布特征是否包括左斜入十字赛道的特征元素,若包括,则说明该二值化赛道图像表征的赛道是左斜入十字赛道;否则,判断二值化赛道图像的黑白像素点分布特征是否包括右斜入十字赛道的特征元素,若包括,则说明该二值化赛道图像表征的赛道是右斜入十字赛道,否则,说明该二值化赛道图像表征的赛道不是右斜入十字赛道。
其中,所述判断二值化赛道图像的黑白像素点分布特征是否包括左斜入十字赛道的特征元素,包括如下步骤:
在二值化图像赛道图像最右侧点所在的纵轴上,从所述纵轴的最下端至图像中间自下向上遍历,以获取黑白像素点分布特征;判断该纵轴上的黑白像素点是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是左斜入十字赛道;否则,根据巡线算法获取图像的左边界值,并自下往上扫描边界值,判断边界值是否为先增大后减小的变化,若是,则说明该二值化赛道图像表征的赛道是左斜入十字赛道;否则,则说明该二值化赛道图像表征的赛道不是左斜入十字赛道。
所述判断二值化赛道图像的黑白像素点分布特征是否包括右斜入十字赛道的特征元素,包括如下步骤:
在二值化图像赛道图像最左侧点所在的纵轴上,从所述纵轴的最下端至图像中间自下向上遍历,以获取黑白像素点分布特征;判断该纵轴上的黑白像素点是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是右斜入十字赛道;否则,
根据巡线算法获取图像的右边界值,并自下往上扫描边界值,判断边界值是否为先减小后增大的变化,若是,则说明该二值化赛道图像表征的赛道是右斜入十字赛道;否则,则说明该二值化赛道图像表征的赛道不是右斜入十字赛道。
在一个实施例中,所述判断二值化赛道图像的黑白像素点分布特征是否包括弯道赛道的特征元素,包括如下步骤:
根据巡线算法获取二值化赛道图像的左右边界值数组,判断左边边界值数组中是否包括左右边界值相等的情况,若不包括,则说明该二值化赛道图像表征的赛道不是弯道;否则,以左右边界相等时所在的横轴为二值化赛道图像的顶端行,选取所述顶端行往下2-3个像素点所在的横轴,计算所述横轴的中线值偏离图像中线纵轴的距离,判断该偏离距离是否超过设定阈值。若超过,则说明该二值化赛道图像表征的赛道不是弯道;否则,则说明该二值化赛道图像表征的赛道是弯道。
在一个实施例中所述设定阈值为30。所述横轴的中线值偏离图像程度计算方式为:若|De_mid|>30,则初判为有弯道,否则认为图像赛道不是轻弯或者大弯。若De_mid>0,则认为该弯道为右弯道,若De_mid<0,则认为该弯道为左弯道。此时判断顶端行位于图像下方3/4位置,则认为弯道为大弯,若顶端行位于图像上方1/4的位置,则认为弯道是轻弯。
在一个实施例中,所述判断二值化赛道图像的黑白像素点分布特征是否包括直道赛道的特征元素,包括如下步骤:
在二值化图像赛道中心所在的纵轴、以及距离该图像中心左右各1/8图像横向距离位置处的纵轴中,从下往上遍历至距离图像顶部1/4纵轴长度处,以获取黑白像素点分布特征;判断这些纵轴上的黑白像素点均为白色,若不包括,则说明该二值化赛道图像表征的赛道不是直道赛道;否则,选取图像最左侧下方1/8纵轴长度的左边界值为起始点,自起始行往上扫描至图像顶部1/8纵轴长度为止,再从该停止点从左往右进行扫描,至该行的左边界位置作为终止点,判断经过路径的黑白像素点是否均为黑色,若不是,则说明该二值化赛道图像表征的赛道不是直道赛道;否则,从所述终止点自上往下进行扫描,至距离图像底部1/8纵轴长度为止,再从该停止点从右往左进行扫描回到起始点,判断经过路径的黑白像素点是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是直道赛道;否则,选取图像最右侧下方1/8纵轴长度的右边界值为起始点,自起始行往上扫描至图像顶部1/8纵轴长度为止,再从该停止点从右往左进行扫描,至该行的右边界位置作为终止点,判断经过路径的黑白像素点是否均为黑色,若不是,则说明该二值化赛道图像表征的赛道不是直道赛道;否则,从所述终止点自上往下进行扫描,至距离图像底部1/8纵轴长度为止,再从该停止点从左往右进行扫描回到起始点,判断经过路径的黑白像素点是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是直道赛道,否则,说明该二值化赛道图像表征的赛道是直道赛道。
在一个实施例中,所述判断二值化赛道图像的黑白像素点分布特征是否包括终点的特征元素,包括如下步骤:
选取二值化赛道图像中距离该图像顶部1/8、1/4、3/8、1/2图像纵向距离的四条横轴,在四条横轴上,分别自左向右进行遍历,以获取黑白像素点分布特征;判断这些纵轴上的黑白像素点是否出现白色-黑色-白色的跳变,且黑色跳变距离应该大于3个像素点;若没有,则说明该二值化赛道图像表征的赛道不是终点赛道;否则,从左往右遍历图像,以纵轴上的黑白像素点的一次跳变作为一个间隔,且累计间隔数量,若间隔数量小于7个,则说明该二值化赛道图像表征的赛道不是终点赛道;否则,以间隔数量大于等于7个的行数作为终点行,判断图像中心所在的纵轴的像素点中,除却终点行的上下各5个像素点的区域外,是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是终点赛道;否则说明该二值化赛道图像表征的赛道是终点赛道。
所述判断二值化赛道图像的黑白像素点分布特征是否包括路障的特征元素,包括如下步骤:
选取二值化赛道图像中距离该图像顶部1/8、1/4、3/8、1/2图像纵向距离的四条横轴,在四条横轴上,分别自左向右进行遍历,以获取黑白像素点分布特征;判断这些纵轴上的黑白像素点是否出现白色-黑色-白色的跳变,且中间黑色跳变距离大于10个像素点,两个白色跳变的距离相差大于50个像素点;若没有,则说明该二值化赛道图像表征的赛道未包含路障;否则,从左往右遍历图像,以纵轴上的黑白像素点的一次跳变作为而一个间隔,累计间隔数量,若间隔数量大于一个,则说明该二值化赛道图像表征的赛道未包含路障;否则,以间隔数量为一个的行数为路障行,判断图像中心纵轴的像素点除却路障行上下各5个像素点的区域外均为白色,若不是,则说明该二值化赛道图像表征的赛道未包含路障;否则说明该二值化赛道图像表征的赛道包含路障。
本发明还提供一种赛道识别系统,包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述所述的赛道识别方法的步骤。
相比于现有技术,本发明通顺序对赛道进行识别,实现先对具有特征明显、不易与其他赛道元素出现共存、冲突的先对圆环赛道、十字赛道、斜入十字赛道等特殊赛道元素进行优先识别,在不是这些赛道的情况下,再对弯线赛道、直线赛道和终点等特征较模糊的基础赛道元素进行识别,提高了识别的准确性和识别效率。进一步地,通过对每个赛道进行分级识别的方法,先判断每个赛道中最明显的赛道元素,在包含该赛道最明显的赛道元素后,才对该赛道的次级明显赛道元素进行判断,依次逐级判断,在提高了识别效率的同时,也大大提高了识别准确率。
实施例2
本发明还提供一种智能车巡迹方法,包括通过实施例1中的赛道识别方法识别出赛道类型后,根据巡线算法获得图像各行的中线值,再根据赛道类型获取赛道的中线值或赛道的模糊中线值,使智能车根据反馈的赛道的中线值或赛道的模糊中线值行驶。
在一个实施例中,所述中线值为赛道的中点所在的坐标值,使智能车根据所述中线值在赛道中间进行行驶,防止偏离赛道。
在传统图像处理中,常要求反馈精确的中线值,以使智能车按照精确的中线值进行运行,实际上智能车只需要简单灵活的、高速的位置和姿态反馈也可沿着赛道行驶,其主要因为智能车的机械特性无法完全正确根据精确的中线值行驶;智能车是一个实时控制的随动系统,系统通过改变舵机或者电机来控制智能车进行高速移动;由于车辆动力学中的某些参数,如前后轮的侧偏刚度、车体转动惯量、舵机和电机机械特性硬度不断变化,调速范围有限,调节过程不平滑等特点,这必然也限制着智能车的控制效果,误差也始终伴随着智能车的整个行驶过程。而智能车闭环反馈算法能在一定时间内消除反馈的瞬时抖动。闭环系统能根据控制对象输出反馈来进行实时的校正,在测量出实际与计划发生偏差时,可根据误差量进行实时纠正,也就是说,在智能车行驶过程中加入少量的误差反馈并不会影响到智能车的稳定行驶。因此,对于如圆环赛道、十字赛道和斜入十字赛道这些难以获取精确的中线值或者无中线值的赛道,本发明引用了模糊中线值,使智能车在这些赛道上根据模糊中线值进行行驶。所述模糊中线值即接近赛道的中点的值,智能车根据所述模糊中线值而尽量行驶在赛道中间,防止偏离赛道。
所述根据赛道类型获取中线值或模糊中线值的方式为:
若所述赛道类型为圆环赛道,以所述图像底端行的中线值作为起始点、以图像最右侧全轴均为白色纵轴的中点作为终止点、以距离图像底端的1/6纵轴距离的点所在的横轴上的中线值处的点作为第一参考点、以图像中的圆环上最下边的点作为第二参考点,通过所述起始点、终止点、第一参考点和第二参考点拟合出贝赛尔曲线,再选取终止点下方5个像素点所在的横轴与贝赛尔曲线的交点作为圆环赛道的模糊中线值;
若所述赛道类型为十字赛道,则选取识别过程的最后一步出现的黑色-白色-黑色三种颜色跳变的区域中,白色区域的中点为十字赛道的中线值;
若所述赛道类型为左斜入十字赛道,则在二值化图像赛道最右侧的纵轴上的最底端至该纵轴的中间自下向上遍历,直到遇到黑色像素点为止,在遇到黑色像素点的行数向上3个像素点的行上进行自右向左的遍历,判断像素点出现黑色-白色-黑色的跳变,选取白色区域的中点为中线值;若图像最右侧的纵轴上无黑色像素点,则将图像最右侧的值作为左斜入十字赛道的模糊中线值;
若所述赛道类型为右斜入十字赛道,在二值化图像赛道最左侧的纵轴的最底端至该纵轴的中间自下向上遍历,直到遇到黑色像素点为止,在遇到黑色像素点的行数向上3个像素点的行上进行自左向右的遍历,判断像素点出现黑色-白色-黑色的跳变,选取白色区域的中点为中线值;若图像最左侧的纵轴上无黑色像素点,则将图像最左侧的值作为右斜入十字赛道的模糊中线值;
若所述赛道类型为弯道赛道,则选取图像顶端行的左边界数组值作为弯道赛道的中线值;
若所述赛道类型为直线赛道,则获取距离图像顶端的1/6纵轴距离的点所在的横轴上的中线值作为直线赛道的中线值。
若所述赛道类型为终点赛道,则选获取距离图像顶端的1/6纵轴距离的点所在的横轴的中线值作为终点赛道的中线值。
若所述赛道类型包含路障,若从图像中路障行自左向右进行遍历,以获取黑白像素点分布特征,在出现黑色-白色-黑色-白色-黑色的跳变区域,选择白色区距离较大的横轴的中点作为包含路障赛道的中线值。
本发明还提供一种智能车巡迹系统,包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述所述的智能车巡迹方法的步骤。
相比于现有技术,本发明通顺序对赛道进行识别,实现先对具有特征明显、不易与其他赛道元素出现共存、冲突的先对圆环赛道、十字赛道、斜入十字赛道等特殊赛道元素进行优先识别,在不是这些赛道的情况下,再对弯线赛道、直线赛道和终点等特征较模糊的基础赛道元素进行识别,提高了识别的准确性和识别效率。进一步地,通过对每个赛道进行分级识别的方法,先判断每个赛道中最明显的赛道元素,在包含该赛道最明显的赛道元素后,才对该赛道的次级明显赛道元素进行判断,依次逐级判断,在提高了识别效率的同时,也大大提高了识别准确率。进一步地,通过引入模糊中线值,解决了传统技术中难以获取圆环赛道、十字赛道和斜入十字赛道精确的中线值的方法,确保了智能车在这些赛道中正常行驶,提高了智能车巡迹速度。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (7)
1.一种赛道识别方法,其特征在于,包括如下步骤:
获取赛道图像,并对所述赛道图像进行二值化处理,转换为黑白像素点的二值化赛道图像;
将二值化赛道图像中的黑白像素点分布特征,依序与圆环赛道、十字赛道、斜入十字赛道、弯道赛道、直道赛道、路障和终点的特征元素进行比较,判断出赛道类型;
其中,判断赛道类型的方法,包括如下步骤:
判断二值化赛道图像中的黑白像素点分布特征是否包括圆环赛道的特征元素,若包括,则二值化赛道图像表征的赛道为圆环赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括十字赛道的特征元素,若包括,则二值化赛道图像表征的赛道为十字赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括斜入十字赛道的特征元素,若包括,则二值化赛道图像表征的赛道为斜入十字赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括弯道赛道的特征元素,若包括,则二值化赛道图像表征的赛道为弯道赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括直道赛道的特征元素,若包括,则二值化赛道图像表征的赛道为直道赛道;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括路障的特征元素,若包括,则二值化赛道图像表征的赛道包含路障;否则,
判断二值化赛道图像中的黑白像素点分布特征是否包括终点的特征元素,若包括,则二值化赛道图像表征的赛道为终点赛道;
所述判断二值化赛道图像的黑白像素点分布特征是否包括十字赛道的特征元素,包括如下步骤:
在二值化赛道图像中心所在的横轴、以及距离该图像中心上下各1/4纵向距离位置处的横轴自左向右遍历,以获取黑白像素点分布特征,判断这些横轴上的黑白像素点分布特征是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是十字赛道;否则,
以距离该图像中心下方1/4纵向距离位置处的横轴作为起始行,自起始行往上扫描至图像顶部往下5个像素为止,其中每一行从中间分别向左右两边进行扫描,判断在左右扫描过程中是否包括白色-黑色跳变,若包括,则说明该二值化赛道图像表征的赛道是十字赛道;否则,判断该二值化赛道图像表征的赛道不是十字赛道;
所述判断二值化赛道图像的黑白像素点分布特征是否包括斜入十字赛道的特征元素,包括如下步骤:
判断二值化赛道图像的黑白像素点分布特征是否包括左斜入十字赛道的特征元素,若包括,则说明该二值化赛道图像表征的赛道是左斜入十字赛道;否则,
判断二值化赛道图像的黑白像素点分布特征是否包括右斜入十字赛道的特征元素,若包括,则说明该二值化赛道图像表征的赛道是右斜入十字赛道,否则,说明该二值化赛道图像表征的赛道不是右斜入十字赛道;
其中,所述判断二值化赛道图像的黑白像素点分布特征是否包括左斜入十字赛道的特征元素,包括如下步骤:
在二值化赛道图像最右侧点所在的纵轴上,从所述纵轴的最下端至图像中间自下向上遍历,以获取黑白像素点分布特征;判断该纵轴上的黑白像素点是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是左斜入十字赛道;否则,
根据巡线算法获取图像的左边界值,并自下往上扫描边界值,判断边界值是否为先增大后减小的变化,若是,则说明该二值化赛道图像表征的赛道是左斜入十字赛道;否则,则说明该二值化赛道图像表征的赛道不是左斜入十字赛道;
所述判断二值化赛道图像的黑白像素点分布特征是否包括右斜入十字赛道的特征元素,包括如下步骤:
在二值化赛道图像最左侧点所在的纵轴上,从所述纵轴的最下端至图像中间自下向上遍历,以获取黑白像素点分布特征;判断该纵轴上的黑白像素点是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是右斜入十字赛道;否则,
根据巡线算法获取图像的右边界值,并自下往上扫描边界值,判断边界值是否为先减小后增大的变化,若是,则说明该二值化赛道图像表征的赛道是右斜入十字赛道;否则,则说明该二值化赛道图像表征的赛道不是右斜入十字赛道。
2.根据权利要求1所述的赛道识别方法,其特征在于,所述判断二值化赛道图像的黑白像素点分布特征是否包括圆环赛道的特征元素,包括如下步骤:
在二值化赛道图像中心所在的纵轴、以及距离该图像中心左右各1/4图像横向距离位置处的纵轴自下向上遍历,以获取黑白像素点分布特征,判断这些纵轴上的黑白像素点分布特征是否包括白色-黑色-白色三种像素点的跳变,若不包括,则说明该二值化赛道图像表征的赛道不是圆环赛道;否则,
以白色-黑色-白色三种像素点的跳变中心为中心点,在经过该中心点的横轴上自左向右遍历,以判断横轴上是否包括白色-黑色-白色三种颜色跳变,若不包括,则说明该二值化赛道图像表征的赛道不是圆环赛道;否则,
找到白色-黑色-白色三种颜色跳变的中心点,判断该中心点周围是否均为黑色,若不是,则说明该二值化赛道图像表征的赛道不是圆环赛道;否则,
判断在该中心点的黑色范围以下区域的横纵方向是否均为白色,若不是,则该二值化赛道图像表征的赛道不是圆环赛道;否则,判断该二值化赛道图像包括圆环赛道。
3.根据权利要求1所述的赛道识别方法,其特征在于,所述判断二值化赛道图像的黑白像素点分布特征是否包括弯道赛道的特征元素,包括如下步骤:
根据巡线算法获取二值化赛道图像的左右边界值数组,判断左右边界值数组中是否包括左右边界值相等的情况,若不包括,则说明该二值化赛道图像表征的赛道不是弯道;否则,
以左右边界值相等时所在的横轴为二值化赛道图像的顶端行,选取所述顶端行往下2-3个像素点所在的横轴,计算所述横轴的中线值偏离图像中心纵轴的距离,判断该偏离距离是否超过设定阈值;若超过,则说明该二值化赛道图像表征的赛道不是弯道;否则,则说明该二值化赛道图像表征的赛道是弯道;
所述判断二值化赛道图像的黑白像素点分布特征是否包括直道赛道的特征元素,包括如下步骤:
在二值化赛道图像中心所在的纵轴、以及距离该图像中心左右各1/8图像横向距离位置处的纵轴中,从下往上遍历至距离图像顶部1/4纵轴长度处,以获取黑白像素点分布特征;判断这些纵轴上的黑白像素点是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是直道赛道;否则,
选取图像最左侧下方1/8纵轴长度的左边界值为起始点,自起始行往上扫描至图像顶部1/8纵轴长度为止,再从停止点开始从左往右进行扫描至左边界位置,将左边界位置对应的像素点作为终止点,判断经过路径的黑白像素点是否均为黑色,若不是,则说明该二值化赛道图像表征的赛道不是直道赛道;否则,
从所述终止点自上往下进行扫描,至距离图像底部1/8纵轴长度为止,再从停止点开始从右往左进行扫描回到起始点,判断经过路径的黑白像素点是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是直道赛道;否则,
选取图像最右侧下方1/8纵轴长度的右边界值为起始点,自起始行往上扫描至图像顶部1/8纵轴长度为止,再从停止点开始从右往左进行扫描至右边界位置,将右边界位置对应的像素点作为终止点,判断经过路径的黑白像素点是否均为黑色,若不是,则说明该二值化赛道图像表征的赛道不是直道赛道;
从所述终止点自上往下进行扫描,至距离图像底部1/8纵轴长度为止,再从停止点开始从左往右进行扫描回到起始点,判断经过路径的黑白像素点是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是直道赛道,否则,说明该二值化赛道图像表征的赛道是直道赛道。
4.根据权利要求3所述的赛道识别方法,其特征在于,所述判断二值化赛道图像的黑白像素点分布特征是否包括终点的特征元素,包括如下步骤:
选取二值化赛道图像中距离该图像顶部1/8、1/4、3/8、1/2图像纵向距离的四条横轴,在四条横轴上,分别自左向右进行遍历,以获取黑白像素点分布特征;判断这些横轴上的黑白像素点是否出现白色-黑色-白色的跳变,且黑色跳变距离大于3个像素点;若没有,则说明该二值化赛道图像表征的赛道不是终点赛道;否则,
从左往右遍历二值化赛道图像,以横轴上的黑白像素点的一次跳变作为一个间隔,且累计间隔数量,若间隔数量小于7个,则说明该二值化赛道图像表征的赛道不是终点赛道;否则,
以间隔数量大于等于7个的行数作为终点行,判断图像中心所在的纵轴的像素点中,除却终点行的上下各5个像素点的区域外,是否均为白色,若不是,则说明该二值化赛道图像表征的赛道不是终点赛道;否则说明该二值化赛道图像表征的赛道是终点赛道;
所述判断二值化赛道图像的黑白像素点分布特征是否包括路障的特征元素,包括如下步骤:
选取二值化赛道图像中距离该图像顶部1/8、1/4、3/8、1/2图像纵向距离的四条横轴,在四条横轴上,分别自左向右进行遍历,以获取黑白像素点分布特征;判断这些横轴上的黑白像素点是否出现白色-黑色-白色的跳变,且中间黑色跳变距离大于10个像素点,两个白色跳变的距离相差大于50个像素点;若没有,则说明该二值化赛道图像表征的赛道未包含路障;否则,
从左往右遍历二值化赛道图像,以横轴上的黑白像素点的一次跳变作为一个间隔,累计间隔数量,若间隔数量大于一个,则说明该二值化赛道图像表征的赛道未包含路障;否则,
以间隔数量为一个的行数为路障行,判断图像中心纵轴的像素点除却路障行上下各5个像素点的区域外是否均为白色,若不是,则说明该二值化赛道图像表征的赛道未包含路障;否则说明该二值化赛道图像表征的赛道包含路障。
5.一种赛道识别系统,其特征在于,包括储存器、处理器以及储存在所述储存器中并能够被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-4中任意一项所述的赛道识别方法的步骤。
6.一种智能车巡迹方法,其特征在于,包括通过权利要求1-4中任意一项所述的赛道识别方法识别出赛道类型后,根据巡线算法获得二值化赛道图像各行的中线值,再根据赛道类型获取赛道的中线值或赛道的模糊中线值,使智能车根据反馈的赛道的中线值或赛道的模糊中线值行驶;
所述根据赛道类型获取赛道的中线值或赛道的模糊中线值的方式为:
若所述赛道类型为圆环赛道,以所述二值化赛道图像底端行的中线值作为起始点、以图像最右侧全轴均为白色纵轴的中点作为终止点、以距离图像底端的1/6纵轴距离的点所在的横轴上的中线值处的点作为第一参考点、以图像中的圆环上最下边的点作为第二参考点,通过所述起始点、终止点、第一参考点和第二参考点拟合出贝赛尔曲线,再选取终止点下方5个像素点所在的横轴与贝赛尔曲线的交点作为圆环赛道的模糊中线值;
若所述赛道类型为十字赛道,则选取十字赛道识别过程中出现的黑色-白色-黑色三种颜色跳变的区域中,白色区域的中点为十字赛道的中线值;
若所述赛道类型为左斜入十字赛道,则在二值化赛道图像最右侧的纵轴上的最底端至该纵轴的中间自下向上遍历,直到遇到黑色像素点为止,在遇到黑色像素点的行数向上3个像素点的行上进行自右向左的遍历,判断像素点出现黑色-白色-黑色的跳变,选取白色区域的中点为中线值;若图像最右侧的纵轴上无黑色像素点,则将图像最右侧的值作为左斜入十字赛道的模糊中线值;
若所述赛道类型为右斜入十字赛道,在二值化赛道图像最左侧的纵轴的最底端至该纵轴的中间自下向上遍历,直到遇到黑色像素点为止,在遇到黑色像素点的行数向上3个像素点的行上进行自左向右的遍历,判断像素点出现黑色-白色-黑色的跳变,选取白色区域的中点为中线值;若图像最左侧的纵轴上无黑色像素点,则将图像最左侧的值作为右斜入十字赛道的模糊中线值;
若所述赛道类型为弯道赛道,则选取图像顶端行的左边界值作为弯道赛道的中线值;
若所述赛道类型为直线赛道,则获取距离图像顶端的1/3纵轴距离的点所在的横轴上的中线值作为直线赛道的中线值;
若所述赛道类型为终点赛道,则获取距离图像顶端的1/3纵轴距离的点所在的横轴的中线值作为终点赛道的中线值;
若所述赛道类型包含路障,则从图像中路障行自左向右进行遍历,以获取黑白像素点分布特征,在出现黑色-白色-黑色-白色-黑色的跳变区域,选择白色区域距离较大的横轴的中点作为包含路障赛道的中线值。
7.一种智能车巡迹系统,其特征在于,包括储存器、处理器以及储存在所述储存器中并能够被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求6所述的智能车巡迹方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810502058.4A CN109033932B (zh) | 2018-05-23 | 2018-05-23 | 一种赛道识别方法、识别系统、智能车巡迹方法及巡迹系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810502058.4A CN109033932B (zh) | 2018-05-23 | 2018-05-23 | 一种赛道识别方法、识别系统、智能车巡迹方法及巡迹系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109033932A CN109033932A (zh) | 2018-12-18 |
CN109033932B true CN109033932B (zh) | 2020-11-10 |
Family
ID=64611672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810502058.4A Active CN109033932B (zh) | 2018-05-23 | 2018-05-23 | 一种赛道识别方法、识别系统、智能车巡迹方法及巡迹系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033932B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109740532B (zh) * | 2018-12-29 | 2022-09-16 | 河海大学常州校区 | 一种基于圆环道路的路径识别及中线优化方法 |
CN110738097B (zh) * | 2019-08-29 | 2023-11-03 | 华南师范大学 | 一种智能车赛道识别循迹控制方法 |
CN111731324A (zh) * | 2020-05-29 | 2020-10-02 | 徐帅 | 一种基于视觉引导agv智能车的控制方法及系统 |
CN117115631B (zh) * | 2023-10-25 | 2024-02-02 | 广州中鸣数码科技有限公司 | 摄像头的色彩采集方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662402A (zh) * | 2012-06-05 | 2012-09-12 | 北京理工大学 | 一种用于赛道的摄像头智能循迹车模 |
CN106990786A (zh) * | 2017-05-12 | 2017-07-28 | 中南大学 | 智能小车的循迹方法 |
-
2018
- 2018-05-23 CN CN201810502058.4A patent/CN109033932B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662402A (zh) * | 2012-06-05 | 2012-09-12 | 北京理工大学 | 一种用于赛道的摄像头智能循迹车模 |
CN106990786A (zh) * | 2017-05-12 | 2017-07-28 | 中南大学 | 智能小车的循迹方法 |
Non-Patent Citations (2)
Title |
---|
基于CMOS摄像头智能赛车的设计与实现;李万敏;《中国优秀硕士学位论文全文数据库工程科技II辑》;20180215(第02期);第C035-342页 * |
基于特征分类的智能汽车赛道元素识别算法;黄俊嘉 等;《计算机产品与流通》;20180331(第3期);第127、129页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109033932A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109033932B (zh) | 一种赛道识别方法、识别系统、智能车巡迹方法及巡迹系统 | |
EP3349041B1 (en) | Object detection system | |
CN104102905B (zh) | 一种车道线自适应的检测方法 | |
US11338853B2 (en) | Methods, devices, and media for autonomously driving vehicle | |
CN105046198B (zh) | 一种车道检测方法 | |
US20170177951A1 (en) | Lane Detection System And Method | |
CN110675392B (zh) | 一种基于路面连续激光点云的车辙精细三维特征提取方法 | |
CN107895375B (zh) | 基于视觉多特征的复杂道路线提取方法 | |
CN108009522B (zh) | 一种道路检测方法、装置及终端 | |
CN102646343A (zh) | 车辆检测装置 | |
EP3046049A1 (en) | Complex marking determining device and complex marking determining method | |
CN108133471B (zh) | 一种基于人工蜂群算法的机器人导航路径提取方法及装置 | |
CN112912894B (zh) | 道路边界识别方法和装置 | |
CN112927309A (zh) | 一种车载相机标定方法、装置、车载相机及存储介质 | |
CN113593035A (zh) | 一种运动控制决策生成方法、装置、电子设备及存储介质 | |
CN114973198A (zh) | 目标车辆的航向角预测方法、装置及电子设备、存储介质 | |
Wang et al. | Lane boundary detection based on parabola model | |
US20200151865A1 (en) | Division line detection device and division line detection method | |
CN114863387A (zh) | 一种循迹智能车赛道识别与分类方法 | |
WO2014054124A1 (ja) | 路面標示検出装置及び路面標示検出方法 | |
CN109117866B (zh) | 车道识别算法评估方法、计算机设备及存储介质 | |
CN110531339B (zh) | 激光雷达的探测方法、装置及计算机可读存储介质 | |
CN116148820A (zh) | 一种激光雷达校准方法、计算机设备、可读存储介质及机动车 | |
CN113033253A (zh) | 相机标定方法及装置 | |
CN117606470B (zh) | 高精导航图线状要素智能自适追索生成方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |