[发明专利]智能车赛道的图像识别方法

权利要求书

1.智能车赛道的图像识别方法，其特征在于，所述方法依次包括如下步骤：

S1、获取赛道图像，并对赛道图像进行模糊处理，转步骤2；

S2、确定赛道图像识别的最初起始点，转步骤3；

S3、以最初起始点自右向左或者自左向右，依次计算赛道图像的梯度值，并对计算得到的梯度值添加阈值判定赛道的边界点，转步骤4；

S4、从最初起始点开始采用八邻域算法确定新的起始点，转步骤5；

S5、以确定的新的起始点自右向左或者自左向右，依次计算赛道图像的梯度值，并对计算得到的梯度值添加阈值判定赛道新的边界点，转步骤6；

S6、从步骤5计算得到新的边界点开始采用八邻域算法确定新的起始点，转步骤5；

S7、判断赛道图像左侧或者右侧的图像是否识别完，若识别完，则转步骤3，若未识别完，则转步骤6；

S8、将步骤3计算得到的边界点以及步骤5计算得到的边界点拟合成赛道的边界，转步骤9；

S9、通过步骤8拟合的赛道的两条边界拟合赛道的中线。

2.根据权利要求1所述的智能车赛道的图像识别方法，其特征在于，步骤2所述最初起始点的确定方法为：选取赛道图像中部并且上数10-15个像素点作为最初的起始点。

3.根据权利要求1所述的智能车赛道的图像识别方法，其特征在于：步骤3和步骤5所述赛道图像的梯度值通过如下方法计算：

S3.1、选择两个Sobel算子，和Sobel_x是用于对像素x轴方向上的梯度进行计算，Sobel_y是用于对像素y轴方向上的梯度进行计算；

S3.2、假设目标像素点及其周围像素点位置关系如式(1)，其中a8为目标像素点的灰度值，a1-a7为周围像素点的灰度值：

对X轴方向求梯度数据的方法是用Sobel_x矩阵和式(1)的灰度值做乘法和加法运算，具体公式如式(2)：

T_x＝a0*1+a1*0+a2*(-1)+a7*2+a8*0+a3*(-2)+a6*1+a5*0+a4*(-1) (2)

对Y轴方向求梯度数据的方法是用Sobel_y矩阵和式(1)的灰度值做乘法和加法运算，具体公式如式(3)：

T_y＝a0*1+a1*2+a2*1+a7*0+a8*0+a3*0+a6*(-1)+a5*(-2)+a4*(-1) (3)

一个目标像素点就对应两个梯度数据T_x和T_y，两个梯度数据取绝对值较大的数即为此目标像素点的梯度值；

S3.3、按照步骤3.2的方法遍历起始点自右向左或者自左向右所有的点，起始点包括最初的起始点和新的起始点。

4.根据权利要求3所述的智能车赛道的图像识别方法，其特征在于：步骤3以及步骤5所述阈值的计算公式为：

threshold＝(a0+a1+a2+a3+a4+a5+a6+a7)/8 (4)

其中，a0-a7为目标像素点周围一圈像素点的灰度值。

5.根据权利要求1所述的智能车赛道的图像识别方法，其特征在于，步骤4所述从最初起始点开始采用八邻域算法确定新的起始点的方法为：从最初起始点开始逆时针或者顺时针判定目标点，并将目标点逆转2个像素点作为新的起始点。

6.根据权利要求1所述的智能车赛道的图像识别方法，其特征在于，步骤6所述从步骤5计算得到新的边界点开始采用八邻域算法确定新的起始点的方法为：从新的边界点开始逆时针或者顺时针判定目标点，并将目标点逆转2个像素点作为新的起始点。