[发明专利]一种等宽路面的微型车视觉导航方法

说明书

本发明公开了一种等宽路面的微型车视觉导航方法，包括：S1：采集微型车即将行驶的路面的二值化图像，其中，像素点值0是对应黑、表示该点位于路面外，像素点值255对应白、表示该点为路面上的点；S2：对二值化图像进行解析和预处理，寻找路面两侧的边缘线，判断道路类型，结合道路类型和获取的边缘线计算得到路面中心线；S3：对路面中心线进行加权处理，得到当前采集的二值化图像的偏差。本发明能够实时有效地获取路面信息，为微型车转向控制提供依据。

技术领域

本发明涉及逻辑图像处理技术领域，具体而言涉及一种等宽路面的微型车视觉导航方法。

背景技术

无人驾驶技术一般是半自动控制，因为路面信息复杂以及突发情况较多，所以会加入人为干预。特别是近年来随着人工智能的发展，无人驾驶技术引入了深度学习算法，以适应多种突发紧急情况。无人驾驶技术研究的关键问题之一就是通过多种传感器对复杂路面进行勘探，以获取庞大的信息用来决策。

在对复杂路面进行勘探时，需要从两个方面进行研究。一方面，路面信息复杂，常见的路面元素有直道，多种类型的弯道、坡道、交叉十字路口等，路面上也会出现路面维修而设置障碍，因此需要对路面元素的特征进行大量的有效研究。为了能够获得较好的路径和应对一些特殊路面元素，需要多种传感器的协同工作，为无人车的转向提供大量的数据。例如在坡道上就需要检测车身处的角度信息，在转弯的时候需要检测车轮所获得的摩擦力所提供的向心力大小，根据这些传感器提供的数据以及视觉传感器捕获的信息，在行驶过程中可以帮助车辆很好的决策。但是，传感器数量的增加、传感器安装的难度以及传感器之间数据的融合，对处理器的处理效率以及算法设计要求很高。

为了更好地研究无人驾驶技术，我们将路面元素以及传感器的数量进行了简化。庞大的数据量需要强大的硬件资源以及复杂的软件设计来解决，在研究初期，为了了解无人驾驶技术，我们需要规避庞大的数据处理。

发明内容

本发明目的在于提供一种等宽路面的微型车视觉导航方法，在合适的光源条件和一定干扰环境下，针对不同类型的等宽路面，使用具有硬件二值化的视觉传感器采集二值化图像，对采集的二值化图像进行解析处理，实时有效地获取路面信息，为微型车转向控制提供依据。

为达成上述目的，结合图1，本发明提出一种等宽路面的微型车视觉导航方法，述方法包括：

S1：采集微型车即将行驶的路面的二值化图像，其中，像素点值0是对应黑、表示该点位于路面外，像素点值255对应白、表示该点为路面上的点；

S2：对二值化图像进行解析和预处理，寻找路面两侧的边缘线，判断道路类型，结合道路类型和获取的边缘线计算得到路面中心线；

S3：对路面中心线进行加权处理，得到当前采集的二值化图像的偏差。

进一步的实施例中，所述对二值化图像进行解析和预处理，寻找路面两侧的边缘线包括：

S21：寻找左右边沿连续的根基像素点：

选定靠近车头的前M行图像的像素点作为基本判断依据，如果发生错误，则向上滑动一行，重新生成连续的M行；

S22：向上爬取边沿点；

在前一行已有的根基像素点的基础上，以前一行已找到的边缘点为基准，在设定搜索范围内搜索新的边缘点，如果找到新的边缘点，则认为该新的边缘点是可信任的边缘点；如果找不到新的边缘点，就以当前边缘点的前M行点作为依据，向上预测一个点作为新的边缘点；

所述M为大于零的正整数。

进一步的实施例中，步骤S21中，采用二分法寻找左右边沿连续的根基像素点；

搜索的方法包括：