智能车视觉处理系列文章——迷宫巡线法详解（含代码）

最新推荐文章于 2024-10-16 16:57:01 发布

Yuuu_le

最新推荐文章于 2024-10-16 16:57:01 发布

阅读量9.5k

点赞数 28

分类专栏：智能车

本文链接：https://blog.youkuaiyun.com/AI_eNyu/article/details/124626070

版权

计算机视觉算法 opencv

智能车专栏收录该内容

2 篇文章

订阅专栏

巡线方法

1.迷宫巡线法

按照上海交通大学的方法，通过使用迷宫巡线（种子生长法）在巡线的过程中进行图象的自适应阈值，这样可极大的减少计算量。具体思想参考上交文章，以下内容为对代码（以左手迷宫巡线为例）的解析。

首先我们将**灰度图（时刻谨记）**作为输入，根据经验取图像下方中间偏左一点作为起始点（注意该点要在白色的赛道上），我们依次向左取像素点，直到像素点的值超过某一值（代码中thres=140），则认为该点已经靠近赛道。

// 原图找左右边线
int x1 = img_raw.width / 2 - begin_x, y1 = begin_y;
ipts0_num = sizeof(ipts0) / sizeof(ipts0[0]);
for (; x1 > 0; x1--)
    if (AT_IMAGE(&img_raw, x1 - 1, y1) < thres)  // 寻找边线起始点
        break;
if (AT_IMAGE(&img_raw, x1, y1) >= thres)
    findline_lefthand_adaptive(&img_raw, block_size, clip_value, x1, y1, ipts0, &ipts0_num);
else
    ipts0_num = 0;  // 如果没有找到像素点大于thres(140)的，则会将ipts_num置为0.

在这里插入图片描述

参考上交文档，“小明”要一直左手扶墙（勿忘）且脚踩白色像素点，所以“小明“面临三种情况，同时要确保左手扶墙”小明“在三种情况下，分别有三种确定对策：
1. 前进方向像素为黑——向右转。
2. 前进方向像素为白，且左前方像素为白（墙角）——斜着走（x,y值均改变），且向左转。
3. 前进方向像素为白，左前方像素为黑——向前走。

代码及参数解释：

参数解释：

image_t * img:存放图像相关数据的指针。
block_size:自适应阈值的范围。
clip_value:经验值，防止出现强制分割的现象（一般为2~5）。
x:”小明“出生位置x坐标。
y:"小明"出生位置y坐标。
int pts[ ][2]用来存放边线数据。
int *num:存放边线像素点的个数。

代码：

/* 前进方向定义：
 *   0
 * 3   1
 *   2
 */
AT_DTCM_SECTION_ALIGN_INIT(const int dir_front[4][2], 8) = {{0,  -1},
                                                            {1,  0},
                                                            {0,  1},
                                                            {-1, 0}};
AT_DTCM_SECTION_ALIGN_INIT(const int dir_frontleft[4][2], 8) = {{-1, -1},
                                                                {1,  -1},
                                                                {1,  1},
                                                                {-1, 1}};

// 左手迷宫巡线
AT_ITCM_SECTION_INIT(void findline_lefthand_adaptive(image_t *img, int block_size, int clip_value, int x, int y, int pts[][2], int *num)) 
{
    assert(img && img->data);     // 不满足则退出执行
    assert(num && *num >= 0);
    assert(block_size > 1 && block_size % 2 == 1);
    int half = block_size / 2;
    int step = 0, dir = 0, turn = 0; // step表示前进的步数；dir通过改变索引改变当前小人朝向的方向
    while (step < *num && half < x && x < img->width - half - 1 && half < y && y < img->height - half - 1 && turn < 4) 
    {
        int local_thres = 0;
        for (int dy = -half; dy <= half; dy++)  // for循环用来计算block区域的像素值之和
        {
            for (int dx = -half; dx <= half; dx++) 
            {
                local_thres += AT(img, x + dx, y + dy);
            }
        }
        local_thres /= block_size * block_size;
        local_thres -= clip_value;   // (x,y)点block区域内的阈值

        int current_value = AT(img, x, y);
        int front_value = AT(img, x + dir_front[dir][0], y + dir_front[dir][1]);
        int frontleft_value = AT(img, x + dir_frontleft[dir][0], y + dir_frontleft[dir][1]);
        if (front_value < local_thres)  // 前进方向像素为黑色
        {
            dir = (dir + 1) % 4;   // 遇到前方为黑色需要右转一次
            turn++;
        } 
        else if (frontleft_value < local_thres) // 前方像素为白色，且左前方像素为黑色
        {
            x += dir_front[dir][0];
            y += dir_front[dir][1];
            pts[step][0] = x;   // 用来存放边线坐标信息
            pts[step][1] = y;
            step++;
            turn = 0;
        } 
        else  // 前方为白色，左前方为白色（墙角）
        {
            x += dir_frontleft[dir][0];   // 遇到墙角要斜着走
            y += dir_frontleft[dir][1];
            dir = (dir + 3) % 4;   // 遇到墙角要左转一次
            pts[step][0] = x;
            pts[step][1] = y;
            step++;
            turn = 0;
        }
    }
    *num = step;
}