章节 本文使用ARM+DSP双核架构的OMAP3530系列的处理器,道路图像处理部分由反对浮点运算的DSP核来已完成,图像收集工作和系统的掌控工作由ARM核来已完成,这样的作业分配提升了系统的实时性、集成性和可靠性。 车道线辨识算法研究 本文明确提出的车道线辨识算法的流程如下图1右图,首先通过OV7670摄像头捕捉道路图像,然后按照流程图中的步骤处置图像,最后获得明晰的车道标志线,为以后智能车辆路径规划和避障获取反对。
道路图像灰度化 图像灰度变换是对图像像素展开剪切,从而不断扩大图像的灰度级范围,更进一步拓展图像的对比度、减少图像的动态范围、使图像更为明晰、特征更为显著,是图像增强的有效地手段。我们收集到的道路图像是彩色图像,颜色模型使用RGB模型。由于人眼对颜色的敏感度有所不同,等量的红、蓝、蓝混合无法获得对应亮度完全相同的灰度值,大量的实验数据指出,当用于0.3份红色、0.59份绿色、0.11份蓝色混合后可以获得最合理的灰度图像,即如公式(1)右图: 灰度值=0.3R+0.59G+0.11B(1) 根据公式(1)就可以算数出有当前像素对应的灰度值,将其作为图像中彩色像素对应的灰度值。
道路图像滤波 完整图像都某种程度的不存在噪声阻碍,噪声影响了先前图像的分析。这就拒绝在分析图像之前对图像展开滤波,除去噪声和假轮廓,图像滤波的过程就是让图像的低频成分通过,制止归属于高频部分中的噪声信号,也就是平时所说的较低通滤波。但是在图像光滑过程中也制止了高频部分的图像边缘,使得图像边缘模糊化。
所以不应寻找能避免噪声,同时尽可能维持图像细节,边缘轮廓的算法,又要确保智能车辆视觉导航系统对实时性的拒绝。中值滤波需要在诱导高频信号中的随机噪声的同时不使边缘模糊不清,可以诱导随机的点状噪声,诱导持续期大于1/2窗口的脉冲信号,但不影响斜坡信号和阶跃信号,需要巩固三角信号中的顶部峰值信号,因而受到青睐,它归属于非线性滤波。 中值滤波是将邻域中的像素按灰度级排序,所取其中间值为输入像素。
中值计算出来过程中用于到的像素数和邻域的空间范围影响到中值滤波的效果。本文使用33方形中值滤波模板对图像展开预处理既能获得较好的滤波效果,又能节省运算时间。
图像边缘增强 在车辆视觉导航系统中,道路边缘信息可以获取路径维持和路径追踪的方位信息,是构建车辆自律导航系统功能不可或缺的。边缘增强的目的在于引人注目道路的边缘信息,借以道路车道线的辨识,有助解决道路光照失衡的影响。
我们对滤波后的图像从水平和横向两个方向展开边缘增强,可以获得十分好的效果。
本文关键词:开元,官网,平台,基于,OMAP3530,的,车道,线,识别,开元官网平台
本文来源:开元官网平台-www.softwareforbad.com