【正文】 ] = edge(U8date,39。BW = edge(U8date, 39。%關(guān)閉文件CRevDate = reshape(RevDate,130,30)。 %打開第TXTName個(gè)文件[RevDate,DataNum] = fscanf(in,39。039。 %記錄數(shù)據(jù)總個(gè)數(shù)TXTSuffix = 39。% figure,imshow(Image)。圖51 噪聲處理前仿真結(jié)果 去噪后MATLAB仿真結(jié)果加入去噪算法后相應(yīng)的MATLAB仿真結(jié)果如圖52所示圖52 噪聲處理后仿真結(jié)果 邊界扣取 邊界扣取函數(shù)clcclearclose all。 plot(x,y,39。 %計(jì)算個(gè)數(shù) NumSum = NumSum + DataNum。 %d39。 %合并字符串else %超過十個(gè)文件 CurrentTXTNum = 48 + mod((temp48),10)。039。 %記錄數(shù)據(jù)總個(gè)數(shù)TXTSuffix = 39。 //Start_Line()。 [temp_line] != (point 1))//正常 { Middle[temp_line] = ([temp_line] + [temp_line]) / 2。amp。temp_line) { if([temp_line] == 0 amp。temp_line = 。amp。 } else if([temp_line] != 0 amp。temp_line = 0。 } } else //通過近處幾行的補(bǔ)線圖像完整 { if( = ) { for(temp_line = (line 1)。 for(temp_line = (line 2)。 else Middle[temp_line]=(int)((Middle[temp_line+1]+(Rate*([temp_line][temp_line+1]))))。 ( = 22))//只有一邊的線完整 { Middle[line 1] = [line 1] + 50。temp_line ( + 2)。amp。 } else if([temp_line] != 0 amp。temp_line = 0。 } } for(temp_line = (line 1)。 }else if([temp_line] != 0 amp。 [temp_line] != (point 1)) {Middle[temp_line]=(int)((Middle[temp_line+1]+(Rate*([temp_line][temp_line+1]))))。 != 0))//左右起始行不在同一行 且無法先下補(bǔ)線 { if( ) { for(temp_line = ( + 2)。 } } if((( 22) || ( 22)) amp。amp。 = 22)//近處幾行丟失補(bǔ)出來 { for(temp_i = ( + 3)。 } } } else if( != 1 amp。 } else if([temp_line] != 0 amp。 [temp_line] != (point 1))//左邊丟失 {Middle[temp_line]=(int)((Middle[temp_line+1]+(Rate*([temp_line][temp_line+1]))))。補(bǔ)線代碼如下：void Midline(void){ if( == 0) //尋線正常...... { for(temp_line = (line 1)。3．小波函數(shù)的比較選?。╳name）小波函數(shù)可以選取一個(gè)正交小波，如Daubechies（dbN），symlets（symN），coiflets（soifN）等。作用軟閾值的結(jié)果39。作用硬閾值的結(jié)果39。s39。% 作用硬閾值xthard = wthresh(x,39。在MATLAB下運(yùn)行如下語(yǔ)句：%軟門限閾值和硬門限閾值效果比較snr = 3。軟閾值的連續(xù)性較好。得到4個(gè)去噪效果圖如圖44所示。sln39。minimaxi39。 [c,l] = wavedec(x,lev,39。subplot(224), plot(xd), axis([1 2048 10 10])。sln39。minimaxi39。 title(39。,lev,39。,39。 heursure 39。sym839。s39。)。)。,39。xd = wden(x,39。在MATLAB中運(yùn)行以下語(yǔ)句：%不同閾值選取方式下濾波效果的比較snr = 3。如果噪聲比很小（估計(jì)有很大的噪聲），因此，采用此種啟發(fā)式的閾值。TPTR的選擇有以下四種閾值規(guī)則：（1）TPTR=‘rigrsure’是一種基于史坦的無偏似然估計(jì)（二次方程）原理的自適應(yīng)閾值選擇。（2）[XD,CXD,LXD] = wden(C,L,TPTR,SORH,SCAL,N,39。wname39。圖43 原始信號(hào)和含燥信號(hào) 各參數(shù)下去噪效果對(duì)比MATLAB工具箱提供了函數(shù)wden以實(shí)現(xiàn)自動(dòng)利用小波進(jìn)行一維信號(hào)的去噪。 title([39。 title(39。下面的MATLAB語(yǔ)句產(chǎn)生信號(hào)：%產(chǎn)生一個(gè)Heavy sine初始信號(hào)x和長(zhǎng)度為211點(diǎn)、含標(biāo)準(zhǔn)高斯白噪聲的信號(hào)xrefsnr = 3。 實(shí)驗(yàn)信號(hào)的產(chǎn)生該節(jié)所用到的實(shí)驗(yàn)信號(hào)是由wnoise（）函數(shù)產(chǎn)生的長(zhǎng)度為211點(diǎn)、含標(biāo)準(zhǔn)高斯白噪聲、信噪比為3的‘heavy sine’信號(hào)。 //沒行求一次動(dòng)態(tài)閾值 //Data_Binary(temp_i + 4,threshold)。 //每行最大值最小值的平均值 Data_Binary(temp_i,threshold)。 else if(Data_buffer[temp_i][temp_j] min amp。temp_j point。temp_i line。20 第4章 軟件設(shè)計(jì) 系統(tǒng)軟件總體設(shè)計(jì)方案根據(jù)設(shè)計(jì)要求軟件設(shè)計(jì)的總體流程圖如圖41所示：圖41 系統(tǒng)軟件結(jié)構(gòu) 圖像二值化軟件設(shè)計(jì)根據(jù)第二章的雙峰值法設(shè)計(jì)原理相應(yīng)的程序的代碼如下（部分代碼）：pragma CODE_SEG DEFAULTuchar threshold?？刂频牟呗院?jiǎn)單，則所需的拍攝范圍就可以小一些；反之策略復(fù)雜，需獲得的賽道信息較多，則拍攝范圍就應(yīng)大一些。圖32 核心控制板核心控制板的原理圖見附錄。因?yàn)橄到y(tǒng)是一個(gè)有機(jī)的整體，所以任何一部分的改進(jìn)都能提高小車的性能。此智能車輛定位系統(tǒng)用攝像頭拍攝車輛前方的賽道，通過 MC9S12DG12采樣視頻信號(hào)，獲得圖像數(shù)據(jù)。經(jīng)過對(duì)比和選擇，攝像頭選擇為數(shù)字?jǐn)z像頭；二值化算法選擇雙峰法；去噪選擇小波去噪法。平均濾波是以點(diǎn)鄰域像素灰度平均值來代替該點(diǎn)的灰度值，而中值濾波則以點(diǎn)鄰域像素灰度值中值來代替該點(diǎn)的灰度值，因此，對(duì)于隨機(jī)噪音的抑制能力，中值濾波器的性能要比均值濾波器的差些。平均濾波是以點(diǎn)鄰域像素灰度平均值來代替該點(diǎn)的灰度值，而中值濾波則以點(diǎn)鄰域像素灰度值中值來代替該點(diǎn)的灰度值，因此，對(duì)于隨機(jī)噪音的抑制能力，中值濾波器的性能要比均值濾波器的差些。對(duì)連續(xù)做幾次小波分解后，有空間分布不均勻信號(hào)各尺度上小波系數(shù)在某些特定位置有較大的值，這些點(diǎn)對(duì)應(yīng)于原始信號(hào)的奇變位置和重要信息，而其他大部分位置的較??；對(duì)于白噪聲，它對(duì)應(yīng)的小波系數(shù)在每個(gè)尺度上的分布都是均勻的，并隨尺度的增加，系數(shù)的幅值減小。歸結(jié)起來主要有三類:模極大值檢測(cè)法、閾值去噪法和屏蔽(相關(guān))去噪法。 小波去噪近年來，小波理論得了非常迅速的發(fā)展，由于其具備良好的時(shí)頻特性和多分辨率特性，小波理論成功地在許多領(lǐng)域得到了廣泛的應(yīng)用。二維數(shù)據(jù)的中值濾波可以表示為: (24)在實(shí)際使用窗口時(shí)，窗口的尺寸一般先用再取逐漸增大，直到其濾波效果滿意為止。設(shè)有一個(gè)一維序列，…，取窗口長(zhǎng)度為m(m為奇數(shù))，對(duì)此序列進(jìn)行中值濾波，就是從輸入序列中相繼抽出m個(gè)數(shù)，…，…，…，…，其中為窗口的中心位置，再將這m個(gè)點(diǎn)按其數(shù)值大小排列，取其序號(hào)為正中間的那作為出。中值濾波首先是被應(yīng)用在一維信號(hào)處理技術(shù)中，后來被二維圖像信號(hào)處理技術(shù)所應(yīng)用。圖像鄰域平均法的處理效果與所用的鄰域半徑有關(guān)。由于傳統(tǒng)的頻域去燥方法比較復(fù)雜，這里不采用也不再敘述，主要介紹一下傳統(tǒng)的時(shí)域去噪處理方法。時(shí)域描述信號(hào)強(qiáng)度隨時(shí)間的變化，頻域描述在一定時(shí)間范圍內(nèi)信號(hào)的頻率分布。而對(duì)于大津法，其運(yùn)算量大，影響速度，大津法致命的缺陷是當(dāng)目標(biāo)物與背景灰度差不明顯時(shí)，會(huì)出現(xiàn)無法忍受的大塊黑色區(qū)域，甚至?xí)G失整幅圖像的信息，因此也不予采用?；叶仍黾拥姆椒ㄊ怯迷械幕叶燃?jí)乘上同一個(gè)系數(shù)，從而擴(kuò)大灰度的級(jí)數(shù)，特別地，當(dāng)乘上的系數(shù)為1時(shí)，這就是大津法的原型，因此，大津法可以看做是這種方法的一個(gè)特例。直接應(yīng)用大津法計(jì)算量較大，因此我們?cè)趯?shí)現(xiàn)時(shí)采用了等價(jià)的公式g=w0*w1*(u0u1)2。圖像的總平均灰度為：u=w0*u0+w1*u1。其步驟如下：（1）.求出圖象的最大灰度值和最小灰度值，分別記為ZMAX和ZMIN，令初始閾值T0=(ZMAX+ZMIN)/2；（2）根據(jù)閾值TK將圖象分割為前景和背景，分別求出兩者的平均灰度值ZO和ZB；（3）求出新閾值TK+1=(ZO+ZB)/2；（4）若TK=TK+1，則所得即為閾值；否則轉(zhuǎn)2，迭代計(jì)算。首先存儲(chǔ)一幅原始圖像的所有數(shù)據(jù)，然后對(duì)整幅圖像的第一像素點(diǎn)進(jìn)行統(tǒng)計(jì)，最終把第個(gè)亮度值所對(duì)應(yīng)的像素點(diǎn)個(gè)數(shù)統(tǒng)計(jì)出來，結(jié)果將出現(xiàn)一個(gè)雙波峰形圖，如圖42所示。根據(jù)閾值選取的不同，二值化的算法分為固定閾值和自適應(yīng)閾值。視野和可視距離：這個(gè)和鏡頭的選擇有關(guān)，據(jù)我測(cè)試，f= 時(shí)視野應(yīng)該有 25度左右,f ,畢竟相素值只有 30萬多,用單片機(jī)讀可以看到 34M ,太遠(yuǎn)了黑線會(huì)很細(xì), 1 米左右時(shí),黑線寬度可用 8 個(gè)點(diǎn)表示。這樣改有兩個(gè)好處：首先像素小了。它支持連續(xù)和隔行兩種掃描方式，VGA與QVGA兩種圖像格式；最高像素為664492，幀速率為30fps；數(shù)據(jù)格式包括YUV，YCrCb，RGB三種，能夠滿足智能車圖像采集系統(tǒng)的要求。在這里我們完全不用理會(huì)這個(gè)信號(hào)。當(dāng)電子槍收到場(chǎng)同步信號(hào)時(shí)就從屏幕的最右下角移到最左上角。視頻信號(hào)：真正的圖像信號(hào)，對(duì)于黑白攝像頭，圖像越黑，電壓越低，圖像越白，電壓越高。另外根據(jù)攝像頭的安裝方式不同，也有旋轉(zhuǎn)90度進(jìn)行采集的。所以CMOS的功耗比CCD要小。根據(jù)其原理不同攝像頭主要分為兩種：CCD(Charge Coupled Device)攝像頭、CMOS攝像頭。4洛陽(yáng)理工學(xué)院畢業(yè)設(shè)計(jì)（論文）第2章 主要思路及技術(shù)方案概要 總體設(shè)計(jì)主要方法步驟為滿足飛思卡爾賽車的設(shè)計(jì)要求，總體設(shè)計(jì)思路如下設(shè)計(jì)思路：通過對(duì)攝像頭采集到的圖像的進(jìn)行處理，然后通過測(cè)速電機(jī)對(duì)小車的實(shí)時(shí)速度的采集，處理器再對(duì)采集到的數(shù)據(jù)進(jìn)行分析，然后控制小車的運(yùn)動(dòng)方向和速度。3. 如何對(duì)圖像進(jìn)行二值化。攝像頭有數(shù)字?jǐn)z像頭，有模擬攝像頭。 機(jī)器視覺介紹所謂機(jī)器視覺就是用視覺傳感器代替人眼來做測(cè)量和判斷，這也是模式識(shí)別的基礎(chǔ)。 智能車設(shè)計(jì)要求介紹 在在飛思卡爾比賽中，參賽選手使用大賽組委會(huì)統(tǒng)一提供的競(jìng)賽車模，以 Freescale 公司生產(chǎn)的 16 位微控制器 MC9S12DG128B 作為核心控制單元，自主構(gòu)思控制方案及系統(tǒng)設(shè)計(jì)，包括傳感器信號(hào)采集處理、控制算法及執(zhí)行、動(dòng)力電機(jī)驅(qū)動(dòng)、轉(zhuǎn)向舵機(jī)控制等，最終實(shí)現(xiàn)一套能夠自主識(shí)別路線，并且可以實(shí)時(shí)輸出車體狀態(tài)的智能車控制軟硬件系統(tǒng)。這種新型車輛控制方法的核心，就是實(shí)現(xiàn)車輛的智能化?；仡櫰嚢l(fā)展的百年歷史，不難發(fā)現(xiàn)其控制方式從未發(fā)生過根本性改變，即由人觀察道路并駕駛車輛，形成“路－人－車”的閉環(huán)交通系統(tǒng)。優(yōu)先發(fā)展城市公共交通是提高交通資源利用效率，緩解交通擁堵的重要手段。AGV 從僅由大公司應(yīng)用，正向小公司單臺(tái)應(yīng)用轉(zhuǎn)變，而且其效率和效益更好。在 20 世紀(jì) 70 年代和 80 年代初，AGV的應(yīng)用領(lǐng)域擴(kuò)大而且工作條件也變得多樣化，因此，新的導(dǎo)向方式和技術(shù)得到了更廣泛的研究與開發(fā)。飛思卡爾賽車及機(jī)器視覺設(shè)計(jì)方案第1章 飛思卡爾賽車及機(jī)器視覺的概述 智能車的研究背景 智能車的發(fā)展歷史1953 年，美國(guó) Barrett Electric 公司制造了世界上第 1 臺(tái)采用埋線電磁感應(yīng)方式跟蹤路徑的自動(dòng)導(dǎo)向車，也被稱作“無人駕