188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功，开通会员云端永久保存 去开通
wdf10010

上传于：2011-12-02

粉丝量：14

该文档贡献者很忙，什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 灰度图像的最佳阈值分割算法

    星级： 4 页

  • [精品]一种基于：幕叶韧枷胥兄捣指钏惴

    星级： 4 页

  • 三维最大Renyi熵的灰度图像阈值分割算法

    星级： 6 页

  • 基于微粒群算法的灰度图像阈值分割的改进

    星级： 5 页

  • 11、市场营销计划、组织与控制

    星级： 20 页

  • 灰度图像阈值分割的自适应和快速算法研究

    星级： 143 页

  • 灰度图像阈值分割的自适应滤波和快速算法研究

    星级： 65 页

  • 基于微粒群算法的灰度图像阈值分割的改进

    星级： 5 页

  • 基于灰度图像的阈值分割改进方法【毕业论文，绝对精品】

    星级： 31 页

  • 基于灰度图像的阈值分割改进方法__毕业论文

    星级： 30 页

  • 基于灰度图像的阈值分割改进方法 开 题 报 告

    星级： 6 页

  • 基于灰度图像的阈值分割改进方法【毕业论文，绝对精品】

    星级： 31 页

  • 灰度图像的二维交叉熵阈值分割法

    星级： 5 页

  • 基于灰度图像的阈值分割改进方法--毕业答辩论文

    星级： 34 页

  • 基于灰度图像的阈值分割改进方法-毕业设计（论文）

    星级： 31 页

暂无目录

点击鼠标右键菜单,创建目录

    暂无笔记

    选择文本，点击鼠标右键菜单，添加笔记

    暂无书签

    在左侧文档中，点击鼠标右键，添加书签

    188宝金博页面版: 灰度图像阈值分割算法

    下载积分： 500

    内容提示： 85科协论坛 ·2009 年第 4 期 （下）科研探索与知识创新1 智能小车系统简介本文的研究对象为全国大学生智能汽车竞赛用小车， 该系统主要由 freescale 提供的 mc9s12dg128 作为 CPU 来控制小车舵机的转向和电机的转速来使整个系统能够稳定而快速的跑完整个有引导黑线的赛道。 常用的赛道信息获取传感器主要分为两种， 即光电管和摄像头， 由于摄像头获取的视频信号比光电管包含更多信息， 本文仅限与摄像头视频信号的处理方法探讨。2 动态阈值算法由于比赛用赛道只有黑白两种颜色 （在白色赛道加上黑色引导线） ， 摄像头获取的视频信号也就比较简单， 通常将摄像头的视...

    文档格式：PDF | 页数：1 | 浏览次数：80 | 上传日期：2011-12-02 04:27:35 | 文档星级：
    85科协论坛 ·2009 年第 4 期 （下）科研探索与知识创新1 智能小车系统简介本文的研究对象为全国大学生智能汽车竞赛用小车， 该系统主要由 freescale 提供的 mc9s12dg128 作为 CPU 来控制小车舵机的转向和电机的转速来使整个系统能够稳定而快速的跑完整个有引导黑线的赛道。 常用的赛道信息获取传感器主要分为两种， 即光电管和摄像头， 由于摄像头获取的视频信号比光电管包含更多信息， 本文仅限与摄像头视频信号的处理方法探讨。2 动态阈值算法由于比赛用赛道只有黑白两种颜色 （在白色赛道加上黑色引导线） ， 摄像头获取的视频信号也就比较简单， 通常将摄像头的视频输出经过 AD 转换后就形成了一个二维数组。 对这个数组的处理是小车能不能跑快的关键。 为了从这个数组中提取出赛道上的黑色引导线， 我们进行研究后发现， 常规的静态阈值法是不能满足要求的， 因为静态阈值法在光强变化时没有自适应能力， 较大的光强变化会使得整个算失效。本文所要给出的动态阈值算法能够随着环境的变化自适应的改变分割阈值， 弥补了静态阈值法的不足。通常， 小车所获得视频信息二维数组中， 离车身较近的地方看到的图像比较清晰， 而较远的地方比较：， 同时在较远的地方黑线的像素值也越来越高， 因此我们采用如下方法来确定动态阈值： （1） 找出图像较远处的某一行中的最低像素点， 并由此左右扩展一段范围找比它大一点的像素值作为分割阈值。 （2） 判断找到的阈值是否小于图像中白色像素点的像素值， 如果是， 则将找到的阈值作为整幅图像的分割阈值，如果否， 转至第 （3）步。 （3）选择更近处的行重复 （1） 、 （2） ，如果找不到合适的阈值， 以上次找到的阈值来分割当前图像。本算法简单易行， 与常用的动态阈值法诸如双峰法等相比运算更简单， 执行速度更快， 可以在有效节约单片机资源的基础上获得理想的赛道信息。以下为利用本算法对与个弯道赛道信息分割后给出的二值图像， 从图像可以很清晰的看到赛道的引导线。图 1 摄像头看到的实际图像和二值化图像3 滤波算法及其实现虽然上述分割算法能够很好的提取出赛道中的黑色引导线， 但是在实际过程中我们发现经常出现小车看到赛道外面或者赛道旁边的杂物 （如图 1 中右上角的情况） ， 导致错误判断的情况， 为了很好的区分出赛道上的引导黑线， 我们对获取的黑线信息进行滤波处理。3.1 限幅滤波由于摄像头视野范围较大， 经常看到赛道外面的图像， 可能是赛道外的杂物等， 这些图像可能被单片机错误地识别为黑色引导线， 计算出错误的黑线中心， 因此需要对得到的黑线中心进行滤波。限幅滤波就是把两次相邻的采样值相减， 求其增量的绝对值， 再与两次采样所允许的最大差值进行比较， 如果小于或等于最大差值， 表示本次采样值 ? 是真实的， 为有效采样值； 反之， 本次采样值是不真实的， 取上次采样值作为本次有效采样值。 由于黑色引导线是连续的， 相邻两行的黑线中心之间的变化幅度应在一定范围内， 因此可以采用限幅滤波滤除因看到赛道外面而产生的错误黑线中心。 这实际上是一种简单的低通滤波的方法。3.2 插值滤波目前软件抗干扰滤波方法很多， 多数需要进行卷积运算， 单片机开销较大， 于是本小车系统采用对整幅图像进行较为简单的插值处理。 对于经过限幅滤波后的图像， 会缺失一些赛道的黑点信息， 这为赛道类型的判断带来了一定的麻烦， 因此我们用插值得到的黑点去填满这些缺失点来使得赛道的信息不至于太少， 在满足本次控制要求的同时可以判断赛道类型， 从而对下次控制有所帮助。为了节省 CPU 资源， 缩短控制周期， 采用变限幅滤波， 边插值的做法， 取得了不错的效果， 其具体流程如下：如对于起跑线， 在处理时容易将黑线中心找为： 25， 25，30， 30， 31， 32， 10， 10， 10， 35， 35， 40， 42， 30 其中 10 为起跑线的第一个黑线， 对于小车控制来说是一个干扰信号， 为了得到正确的黑线中心， 我们用上述办法滤波后得到的黑线中心为： 25， 25， 30， 30， 31， 32， 33， 34， 35， 35， 35， 40， 42， 44 滤 除 了起跑线十字交叉的干扰， 其他干扰可通过改算法同样滤除。4 结论本文提出的动态阈值灰度分割法和插值滤波方法结合使用在小车的运行过程中表现良好， 是一种简单易行且有效的方法。参考文献：[1] 陈书海,傅录祥.使用数字图像处理[M].北京:科学出版社,2005.[2] 杨淑莹.图像模式识别[M].北京:清华大学出版社,北京交通大学出版社,2005.[3] 王宜怀,刘晓升.嵌入式系统——使用HCS12微控制器的设计与应用[M].北京:北京航空航天大学出版社,2008,灰度图像阈值分割算法□ 张李军（武汉大学自动化系 湖北 · 武汉 430072）摘 要：本文基于对全国“飞思卡尔”杯大学生智能汽车竞赛中小车摄像头采集的图像信息的研究，给出一种动态阈值的图像分割法，实验证明该方法能够在实际应用中很好的提取出小车采集的图像的黑线中心，并且对环境光强有不错的自适应能力。关键词：智能 阈值 滤波中图分类号：TQ153 文献标识码：A 文章编号：1007-3973（2009）04-085-01

    阅读了该文档的用户还阅读了这些文档

    188宝金博页面版:关于我们

    188宝金博页面版:帮助中心

    188宝金博页面版:关注我们

    • 新浪微博

    关注188宝金博页面版公众号

    188宝金博页面版
    阅读
    APP
    阅读
    返回
    顶部
    188宝金博页面版官网登录在线平台入口（2026已更新）—江苏协昌电子科技股份有限公司