基于单片机的图像路径前向搜索算法.docVIP

精品论文 参考文献 基于单片机的图像路径前向搜索算法 王少泽 陈龙 杭州电子科技大学电子信息学院 310018 摘要 本文针对全国智能车竞赛摄像头组的软件设计提出了一种路径识别算法，该算法简单实用，特别适合像单片机这种资源有限，数据处理能力较弱的嵌入式平台。该路径识别算法的核心思想叫做前向递归搜索。为应对赛道中出现的虚线，算法增加了横向起点搜索，将它与前向递归搜索结合，可以对与智能车比赛专用赛道相似的路径作很好的搜索。 关键词 单片机 图像处理 路径识别 递归算法 起点搜索 1.引言 飞思卡尔智能车竞赛是面向全国大学生的一种具有探索性的工程实践活动，是教育部倡导的大学生科技竞赛之一。大赛其中一个组别是利用摄像头来获取赛道图像，进而使赛车循迹。这里便涉及到数字图像处理。数字图像处理作为20世纪下半叶发展起来的新兴学科，目前在生产和生活的各个领域都有广泛的应用。其中，路径识别是数字图像处理的一个主要研究方向，它是机器视觉和人工智能相结合的产物。目前，比较成熟的路径识别算法包括霍夫变换[1]、边缘检测、模式识别、小波变换[2]等等。但是，这些算法的时间复杂度和空间复杂度都非常大，一般应用在DSP平台上，对于单片机这种擅长控制而不擅长数据处理的微控制器来说，算法必须简单，高效，并且数据量不能太大；另外，对于在比赛赛道上高速运行的循迹智能车来说，算法要求具有可靠性、鲁棒性和实时性，否则，赛车本身巨大的迟滞特性会影响比赛成绩。因此，需要充分考虑单片机固有的资源和指令集限制。 2.图像数据采集和预处理 2.1图像采集 利用MC9S12XS128的第六号中断向量和增强型输入捕捉模块捕捉用8位二进制表示的灰度图像像素值，采用CMOS数字黑白摄像头作为图像传感器，图像信息首先经过LM1881视频分离芯片进行奇偶场分离和行信号采集，单片机在每次行信号到来时进入中断采集一行信号，而实际需要采集的图像的行数和列数则是在程序中自行设定的，本文中的图像均是行数为60，列数为100的灰度图像，如图1所示。 2.2图像预处理 2.2.1图像二值化 由于灯光，赛道上灰尘和赛道凹凸不平等因素的影响，实际采集到的图像会有噪声和反光，不能真实地反映赛道上的黑线，必须对采集到的图像进行预处理，图像预处理的第一步就是二值化，为兼顾二值化质量和单片机性能，经过反复尝试，发现利用图像第一行和最后一行的阈值的平均值来对整幅图像进行二值化，效果比较理想。而提取第一行和最后一行阈值的方法是：分别对这两行的灰度值进行排序，拿出每行最大的10个灰度值和最小的10个灰度值相加，再取他们的平均值，这样便得到了两个阈值。其实这是双峰法思想的简单化实现，这里称为首尾动态阈值法。采用这种动态阈值法进行二值化，实际效果如上图2所示。 2.2.2图像形态学去噪 所谓形态学去噪，指的是经过二值化后的图像中有一些孤立的黑点或白点，它们可能是原始图像中存在的椒盐噪声二值化后的结果，由于它们会干扰接下来的路径识别，因此要除去这些孤立的点，比如除去黑点，相对于被周围的白色区域膨胀（inflate）掉了，而除去白点，则相对于被周围的黑色区域腐蚀（erode）掉了。膨胀和腐蚀是经典的图像形态学去噪算法。 针对图2中的赛道图像，只需采用一次膨胀便可有效除去孤立黑点，达到去噪目的。膨胀后的图像如图3所示。 3.路径识别算法设计 3.1 起点搜索 图像经过预处理，下面便正式进入图像处理的路径识别阶段，这里的核心是前向递归搜索。其原理如下：首先，搜索起点，这里要提出一个基本假设，并以此为基础进行起点搜索。这个基本假设是起点总是最靠近图像中心线的那个点，也就是说起点搜索要从某一行的中心点开始，向两边搜索，并且，一旦找到起点，就马上停止搜索。起点搜索示意图如图4所示，中心左侧最先找到黑点，便以它为起点，停止起点搜索，反之亦然。 图4起点搜索示意图 3.2 前向递归搜索 所谓前向递归搜索，意思是在二值化图像的基础上，从路径的起点开始，优先向正前方搜索路径，比如路径是一段纵向的黑线段，那么就优先搜索前方的黑点，如果搜索到了，那么就以这个搜索到的黑点为起点，继续进行前向搜索；如果前向没有黑点，那么就按先左后右的原则优先向起点的左边试探，如果左边有黑点，则以起点左边的点为起点，继续进行前向搜索；如果左边没有黑点，那么就向右边试探，如果右边有黑点，则以右边的黑点为起点，继续进行前向搜索；