【正文】 在設(shè)計過程中不足正是我們?nèi)ジ玫难芯扛玫膭?chuàng)造的最大動力，只有發(fā)現(xiàn)問題面對問題才有可能解決問題，不足和遺憾不會給我打擊只會更好的鞭策我前行，今后我更會關(guān)注新技術(shù)新設(shè)備新工藝的出現(xiàn)，并爭取盡快的掌握這些先進(jìn)的知識，更好的為祖國的四化服務(wù)。53結(jié)　論畢業(yè)論文是本科學(xué)習(xí)階段一次非常難得的理論與實際相結(jié)合的機(jī)會，通過這次比較完整的圖像處理在智能車路徑識別中的應(yīng)用的設(shè)計，我擺脫了單純的理論知識學(xué)習(xí)狀態(tài)，和實際設(shè)計的結(jié)合鍛煉了我的綜合運(yùn)用所學(xué)的專業(yè)基礎(chǔ)知識，對局部的取舍，以及對細(xì)節(jié)的斟酌處理，都使我的能力得到了鍛煉，經(jīng)驗得到了豐富，并且意志品質(zhì)力，抗壓能力及耐力也都得到了不同程度的提升。 邊界扣取仿真結(jié)果 仿真結(jié)果如圖53和54所示：圖53 扣取出的直道灰度圖像圖54 扣取出的直道二值化圖像 補(bǔ)線后效果根據(jù)扣取的結(jié)果分析得實驗的結(jié)果基本滿足要求。figure,imshow(U8date)。 %合并字符串in = fopen(TXTName)。NumSum = 0。endaxis([0 4000 0 255])。%關(guān)閉文件 LastNumSum = NumSum + 1。 TXTName = strcat(CurrentTXTNum,TXTSuffix)。 %文件個數(shù)NumSum = 0。amp。temp_line = 0。 } else if([temp_line] != 0 amp。 } for(temp_line = ( 1)。 ( = 22))//只有一邊的線完整 { Middle[line 1] = [line 1] 50。amp。 } else if([temp_line] != 0 amp。 } } else//左右起始行不在同一行 且無法先下補(bǔ)線 { for(temp_line = ( + 2)。 [temp_line] == (point 1)) {Middle[temp_line]=(int)((Middle[temp_line+1]+(Rate*([temp_line][temp_line+1]))))。amp。 } } if( (line 3) amp。 } else //兩行全丟失保持 { Middle[temp_line] = Middle[temp_line+1]。amp。圖44 軟門限閥值和硬門限閥值處理比較實驗表明，軟門限閾值處理方式一般能夠取得更為平滑和理想的去噪效果。title(39。thr = 。在硬閾值處理中，由于收縮函數(shù)的不連續(xù)性，會在恢復(fù)的信號中產(chǎn)生一些人為的“噪聲點”。,39。)。,39。subplot(223), plot(xd), axis([1 2048 10 10])。sqtwolog39。,lev,39。 rigrsure 39。s39。因為被消噪的信號可以看作與未知回歸函數(shù)的估計式相似，這種極值估計器可以在一個給定的函數(shù)集中實現(xiàn)最大均方誤差最小化。各參數(shù)的選擇對比如下：1．四種閾值選取方式的對比（TPTR的設(shè)置）根據(jù)基本的噪聲模型，程序中使用四種規(guī)則來選取閾值，每一種規(guī)則的選取有參數(shù)TPTR決定。)[XD,CXD,LXD] = wden(C,L,TPTR,SORH,SCAL,N,39。 subplot(223), plot(x), axis([1 2048 10 10])。3.[X,XN] = wnoise(FUN,N,SQRT_SNR,INIT)使用初始值INIT產(chǎn)生含噪信號。 //沒行求一次動態(tài)閾值 //Data_Binary(temp_i + 3,threshold)。 Data_buffer[temp_i][temp_j] = 250) max = Data_buffer[temp_i][temp_j]。 //雙峰法的最小值/********************二值化***********************/void Binary(void){ for(temp_i = 0。 安裝位置合適的一個標(biāo)準(zhǔn)是：在此位置的拍攝范圍能滿足控制的需要。本智能車輛定位系統(tǒng)的結(jié)構(gòu)圖如圖31所示。而小波法去噪又剛好克服了這些缺點，所以最終選擇了小波法去噪。一般軟閾值估計定義為 （27）（4）.綜上所述基于空域的平均濾波法和非線性的中值濾波都是通過對圖像像素的灰度值進(jìn)行運(yùn)算，達(dá)到平滑圖像的效果。小波去噪的方法有多種，如利用小波分解與重構(gòu)的方法濾波降噪、利用小波變換模極大值的方法去噪、利用信號小波變換后空域相關(guān)性進(jìn)行信噪分離、非線性小波閾值方法去噪、平移不變量小波去噪法，以及多小波去噪等等。因此平均濾波的一般輸出為: (23)對于二位序列 進(jìn)行中值濾波時，濾波窗口也是二維的，但這種二位窗口可以有各種不同的形狀，如線狀、方形、圓形、十字形、圓環(huán)形等。2. 中值濾波中值濾波是一種非線性濾波，由于它在實際運(yùn)算過程中并不需要圖像的統(tǒng)計特性，所以比較方便。變換域法是在圖像的變換域上進(jìn)行處理，對變換后的系數(shù)進(jìn)行相應(yīng)的處理，然后進(jìn)行反變換達(dá)到圖像去噪的目的?；诘拈撝的軈^(qū)分出圖像的前景和背景的主要區(qū)域所在，但在圖像的細(xì)微處還沒有很好的區(qū)分度，因此不采用。因方差是灰度分布均勻性的一種度量,方差值越大,說明構(gòu)成圖像的兩部分差別越大,當(dāng)部分目標(biāo)錯分為背景或部分背景錯分為目標(biāo)都會導(dǎo)致兩部分差別變小，因此使類間方差最大的分割意味著錯分概率最小。 迭代法迭代法是基于逼近的思想進(jìn)行設(shè)計的。經(jīng)過二值化處理后將原來白色的像素點用“0”表示，而黑色像素點用“1”表示。7620支持VGA（640x320）QVGA(320x240),且默認(rèn)的是VGA格式，通過調(diào)整SCCB可以改為QVGA格式。即收到復(fù)合同步信號后，電子槍要換位置時是不能發(fā)射電子束的，這時候就由這個信號來消隱。目前的模擬攝像頭一般都是PAL制式的，輸出的信號由復(fù)合同步信號，復(fù)合消隱信號和視頻信號組成。它們的差異之處就是圖像的掃描方式不同，CCD是采用連續(xù)掃描方式，即它只有等到最后一個像素掃描完成后才進(jìn)行放大；CMOS傳感器的每個像素都有一個將電荷放大為電信號的轉(zhuǎn)換器。通過以上幾個問題的解決，可以大大的提高飛思卡爾賽車的穩(wěn)定性和快速性。 小結(jié)基于此，本文主要解決的問題如下：1. 如何選擇攝像頭。在普通家庭轎車消費(fèi)中，智能車的研發(fā)也是很有價值的，比如霧天能見度差，人工駕駛經(jīng)常發(fā)生碰撞，如果用上這種設(shè)備，激光雷達(dá)會自動探測前方的障礙物，電腦會控制車輛自動停下來，撞車就不會發(fā)生了。然而，由于缺乏足夠的時間、空間、運(yùn)力靈活性，在客流量不足的情況下，系統(tǒng)效率將大大降低，運(yùn)營成本過高，難以大力推廣和應(yīng)用。最近，小型 AGV 應(yīng)用更為廣泛，而且以長距離不復(fù)雜的路徑規(guī)劃為主。飛思卡爾賽車及機(jī)器視覺設(shè)計方案第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 Barrett Electric 公司制造了世界上第 1 臺采用埋線電磁感應(yīng)方式跟蹤路徑的自動導(dǎo)向車，也被稱作“無人駕駛牽引車”。AGV 從僅由大公司應(yīng)用，正向小公司單臺應(yīng)用轉(zhuǎn)變，而且其效率和效益更好?；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)。 智能車設(shè)計要求介紹 在在飛思卡爾比賽中，參賽選手使用大賽組委會統(tǒng)一提供的競賽車模，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，包括傳感器信號采集處理、控制算法及執(zhí)行、動力電機(jī)驅(qū)動、轉(zhuǎn)向舵機(jī)控制等，最終實現(xiàn)一套能夠自主識別路線，并且可以實時輸出車體狀態(tài)的智能車控制軟硬件系統(tǒng)。攝像頭有數(shù)字?jǐn)z像頭，有模擬攝像頭。4洛陽理工學(xué)院畢業(yè)設(shè)計（論文）第2章 主要思路及技術(shù)方案概要 總體設(shè)計主要方法步驟為滿足飛思卡爾賽車的設(shè)計要求，總體設(shè)計思路如下設(shè)計思路：通過對攝像頭采集到的圖像的進(jìn)行處理，然后通過測速電機(jī)對小車的實時速度的采集，處理器再對采集到的數(shù)據(jù)進(jìn)行分析，然后控制小車的運(yùn)動方向和速度。所以CMOS的功耗比CCD要小。視頻信號：真正的圖像信號，對于黑白攝像頭，圖像越黑，電壓越低，圖像越白，電壓越高。在這里我們完全不用理會這個信號。這樣改有兩個好處：首先像素小了。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。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，迭代計算。直接應(yīng)用大津法計算量較大，因此我們在實現(xiàn)時采用了等價的公式g=w0*w1*(u0u1)2。而對于大津法，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，會出現(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。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)的時域去噪處理方法。中值濾波首先是被應(yīng)用在一維信號處理技術(shù)中，后來被二維圖像信號處理技術(shù)所應(yīng)用。二維數(shù)據(jù)的中值濾波可以表示為: (24)在實際使用窗口時，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。歸結(jié)起來主要有三類:模極大值檢測法、閾值去噪法和屏蔽(相關(guān))去噪法。平均濾波是以點鄰域像素灰度平均值來代替該點的灰度值，而中值濾波則以點鄰域像素灰度值中值來代替該點的灰度值，因此，對于隨機(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。經(jīng)過對比和選擇，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。因為系統(tǒng)是一個有機(jī)的整體，所以任何一部分的改進(jìn)都能提高小車的性能。控制的策略簡單，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。temp_i line。 else if(Data_buffer[temp_i][temp_j] min amp。 //沒行求一次動態(tài)閾值 //Data_Binary(temp_i + 4,threshold)。下面的MATLAB語句產(chǎn)生信號：%產(chǎn)生一個Heavy sine初始信號x和長度為211點、含標(biāo)準(zhǔn)高斯白噪聲的信號xrefsnr = 3。 title([39。wname39。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（二次方程）原理的自適應(yīng)閾值選擇。在MATLAB中運(yùn)行以下語句：%不同閾值選取方式下濾波效果的比較snr = 3。,39。)。sym839。,39。 title(39。sln39。 [c,l] = wavedec(x,lev,39。sln39。軟閾值的連續(xù)性較好。% 作用硬閾值xthard = wthresh(x,39。作用硬閾值的結(jié)果39。3．小波函數(shù)的比較選?。╳name）小波函數(shù)可以選取一個正交小波，如Daubechies（dbN），symlets（symN），coiflets（soifN）等。 [temp_line] != (point 1))//左邊丟失 {Middle[temp_line]=(int)((Middle[temp_line+1]+(Rate*([temp_line][temp_line+1]))))。 } } } else if( != 1 amp。amp。 != 0))//左右起始行不在同一行 且無法先下補(bǔ)線 { if( ) { for(temp_line = ( + 2)。 }else if([temp_line] != 0 amp。temp_line = 0。amp。 ( = 22))//只有一邊的線完整 { Middle[line 1] = [line 1] + 50。 for(temp_line = (line 2)。temp_line = 0。amp。temp_line) { if([temp_line] == 0 amp。 [temp_line] != (point 1))//正常 { Middle[temp_line] = ([temp_line] + [temp_line]) / 2。 %記錄數(shù)據(jù)總個數(shù)TXTSuffix = 39。 %合并字符串else %超過十個文件 CurrentTXTNum = 48 + mod((temp48),10)。 %計算個數(shù)