[发明专利]智能车赛道的图像识别方法

说明书

本发明涉及图像识别技术领域，具体为智能车赛道的图像识别方法，该方法为：对赛道图像进行模糊处理；确定赛道图像识别的最初起始点；以最初起始点自右向左或者自左向右判定赛道的边界点；从最初起始点开始采用八邻域算法确定新的起始点；以确定的新的起始点自右向左或者自左向右判定赛道新的边界点；从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；将计算得到的边界点拟合成赛道的边界；将拟合的赛道的两条边界拟合赛道的中线。将八邻域算法与sobel算子结合，只对图像边缘信息进行计算，从而获得赛道的边界信息，能够大大减少无用计算，提高识别速率。

技术领域

本发明涉及图像识别技术领域，具体为智能车赛道的图像识别方法。

背景技术

传统图像识别基于算子对图像进行压缩计算以达到效果，但随着时代的发展，摄像头参数不断增强，图像体积越来越大，传统算法的劣势也被逐渐暴露出来，以全国大学生智能车竞赛(摄像头组)为例。

1.传统赛道位于摄像头正中央，对于图像的识别仅需要处理图像的边界(例如，白赛道过渡到黑赛道的边界)。真正利用到的数据仅有边界信息，对于为获得边界而处理的赛道中央的像素来说无疑是一种算力的浪费。同时为满足计算量大的需求需启用性能较高的计算平台，因此大大提高了成本。

2.其次是，在绝大多数传统扫线当中，方法通常为由赛道中间向图像两边边界延申，在有不良因素干扰的赛道上易被图像误导，导致计算出错误的数值，从而影响参数的调节。

3.在常规比赛当中智能车行驶速度较快，对于图像的计算速度要求也更高，如使用传统的方法则可能造成图像卡顿，在高速行驶过程中因图像计算量大导致的卡顿是非常致命的，因此传统方法已经不适用于当下的环境。

发明内容

本发明的目的在于提供智能车赛道的图像识别方法，以解决上述背景技术中提出的问题，通过对算法的优化，大大减少了图像的计算量，使得图像识别能够更广泛的应用在智能车赛道的识别当中。

为实现上述目的，本发明提供如下技术方案：智能车赛道的图像识别方法，所述智能车赛道的图像识别方法包括：

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。

优选的，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。

优选的，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；