【正文】 NumSum = NumSum + DataNum。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。 %記錄數(shù)據(jù)總個數(shù)TXTSuffix = 39。 %打開第TXTName個文件[RevDate,DataNum] = fscanf(in,39。BW = edge(U8date, 39。根據(jù)補線的原則進行補線，然后根據(jù)兩邊黑線，得出小車需要沿著中間軌跡前進。這是我們都希望看到的也正是我們進行畢業(yè)設計的目的所在。洛陽理工學院畢業(yè)設計論文謝 辭衷心感謝導師姚惠林的指導，一直以來，姚老師在學習和實踐等方面給予了我諸多幫助與關(guān)懷，為我完成學業(yè)提供了一個良好的工作環(huán)境。 從不知道畢業(yè)論文怎么寫，到順利如期的完成本次畢業(yè)設計，這給了我很大的信心，讓我了解專業(yè)知識的同時也對本專業(yè)的發(fā)展前景充滿信心。對補線的效果分析：經(jīng)過小車的反復測試，補線后小車誤判軌跡的情況大大降低。)。U8date = uint8(CRevDate)。 TXTName = strcat(CurrentTXTNum,TXTSuffix)。% figure,imshow(ImageGray)。)。 %讀取數(shù)據(jù) fclose(in)。 %保持當前圖畫for temp = 49 : (TxTNum + 48)if(temp 58) CurrentTXTNum = temp。42第5 章結(jié)果分析 采集到的灰度值去噪前的MATLAB仿真 去噪前MATLAB函數(shù)和仿真結(jié)果MATLAB仿真函數(shù)如下：%LastNumSum:上次數(shù)據(jù)個數(shù)% TXTName:文件名%CurrentTXTNum:當前文件名前綴%使用說明:只用更改更改TxTNum使之和實際待讀文件數(shù)目一直clear %清除變量TxTNum = 1。 } else if([temp_line] != 0 amp。 } for(temp_line = ( 1)。 [temp_line] == (point 1))//右邊丟失 {Middle[temp_line]=(int)((Middle[temp_line+1]+(Rate*([temp_line][temp_line+1]))))。temp_line)//補出來的線可能會有0 或是 point 1 { Middle[temp_line] = ([temp_line] + [temp_line]) / 2。amp。 } } } else if(( == 0) amp。 [temp_line] == (point 1)) { Middle[temp_line]=(int)((Middle[temp_line+1]+(Rate*([temp_line][temp_line+1]))))。temp_line) //近處沒有線的直接補出來 { Middle[temp_line] = Middle[ + 2]。amp。 ( != 0 amp。temp_i++) { [temp_i] = 2 * [temp_i 1] [temp_i 2]。 [temp_line] != (point 1))//正常 { Middle[temp_line] = (int)(([temp_line] + [temp_line]) / 2)。temp_line) { if([temp_line] == 0 amp。得到去噪效果對比圖如圖44所示。subplot(221),plot(xthard)。 [xref,x] = wnoise(3,11,snr,init)。 2．軟門限閾值和硬門限閾值處理比較（SORH的設置）對于閾值函數(shù)的確定，Donoho提出了兩種：硬閾值和軟閾值。s39。 minimaxi 39。s39。)。xd = wden(x,39。one39。 title(39。,39。在統(tǒng)計學上，這種極值原理在于設計估計器。)根據(jù)信號小波分解結(jié)構(gòu)[C,L]對信號進行去噪處理。wname39。)。其語法格式為：X = wnoise(FUN,N)[X,XN] = wnoise(FUN,N,SQRT_SNR)[X,XN] = wnoise(FUN,N,SQRT_SNR,INIT) = wnoise(FUN,N)產(chǎn)生幅值在[0，1]之間長度為2N的信號，信號的類型由FUN指定：FUN=1 BLOCKS 產(chǎn)生不規(guī)則的方波信號FUN=2 BUMPS 產(chǎn)生低頻噪聲FUN=3 HEAVY SIN 產(chǎn)生隨機間斷的正弦信號FUN=4 DROPLER 產(chǎn)生chirp信號FUN=5 QUADCHIRP 產(chǎn)生4次調(diào)頻信號FUN=6 MISHMASH 產(chǎn)生混雜信號2.[X,XN] = wnoise(FUN,N,SQRT_SNR)產(chǎn)生含有白噪聲的信號XN，SQRT_SNR是信號的噪聲比。 //沒行求一次動態(tài)閾值 //Data_Binary(temp_i + 2,threshold)。amp。 //雙峰法的最大值uchar min。安裝位置太低，會導致視域不夠廣闊，影響尋線的有效范圍；安裝位置太高，導引線會變得過窄而無法被檢測到，而且賽車系統(tǒng)會因重心抬高而穩(wěn)定性變差。然后，系統(tǒng)根據(jù)目標指引線的位置信息，對舵機和電機施以合適的控制。不過，他們在平滑圖像的同時亦會使圖像輪廓變得模糊，它們的噪音平滑效果與窗口的寬度有關(guān)，窗口寬度越寬，噪音平滑效果越好，但圖像就越模糊，這個矛盾難于解決，也是均值濾波和中值濾波的缺點。估計小波系數(shù)的方法如下，?。? （25）定義： （26）稱之為硬閾值估計方法。在圖像去噪領(lǐng)域中，應用小波理論進行圖像去噪受到許多專家學者的重視，并取得了非常好的效果。此例若用平均濾波，窗口也是取5，那么平均濾波輸出為。另外，圖像鄰域平均法算法簡單，計算速度快，但它的主要缺點是在降低噪聲的同時使圖像產(chǎn)生模糊，特別在邊緣和細節(jié)處，鄰域越大，模越厲害。前者即是在原圖像上直接進行數(shù)據(jù)運算，對像素的灰度值進行處理。迭代所得的閾值分割的圖象效果良好。對大津法可作如下理解：該式實際上就是類間方差值，閾值t分割出的前景和背景兩部分構(gòu)成了整幅圖像，而前景取值u0，概率為w0，背景取值u1，概率為w1，總均值為u，根據(jù)方差的定義即得該式。該算法計算的精度較高，能夠找到理想的一個閥值點，雖然它執(zhí)行的時間較長，但是這只是在賽車未起跑前進行的初始化運算，對賽車起跑后的速度完全沒有影響，因此該方案是可以采用的。 二值化方案的選取圖像二值化是數(shù)字圖像處理技術(shù)中的一項基本技術(shù)，該系統(tǒng)中由于賽道是由黑色和白色兩種顏色組成的，并且背景顏色基本也是白色的，系統(tǒng)的任務是識別出黑色的引跑線位置，由于其圖像的干擾并不是很強，因此可以采用二值化的技術(shù)作為系統(tǒng)的圖像預處理。意味著50/3MS就有一幅圖像產(chǎn)生。復合消隱信號：在圖像換行和換場時電子槍回掃時不發(fā)射電子。 模擬攝像頭在采集圖像之前，我們首先要知道攝像頭輸出信號的特性。CMOS攝像頭其實跟CCD差不多，也是將光轉(zhuǎn)換成電信號的器件。4. 如何對反光處進行補線，并進行去噪。在智能車導航技術(shù)方面，機器視覺技術(shù)由于其能提供豐富的信息、價格相對低廉、能與其他傳感器方便的進行數(shù)據(jù)融合等特點，成為當前有著廣泛應用前景的導航技術(shù)之一。結(jié)合傳感器技術(shù)和自動駕駛技術(shù)可以實現(xiàn)汽車的自適應巡航并把車開得又快又穩(wěn)、安全可靠；汽車夜間行駛時，如果裝上紅外攝像頭，就能實現(xiàn)夜晚汽車的安全輔助駕駛；他也可以工作在倉庫、碼頭、工廠或危險、有毒、有害的工作環(huán)境里，此外他還能擔當起無人值守的巡邏監(jiān)視、物料的運輸、消防滅火等任務。大容量城市公共交通，如地鐵、輕軌等，其最大優(yōu)點是空間利用率和能源利用率較高。單元式 AGV主要用于短距離的物料運輸并與自動化程度較高的加工設備組成柔性生產(chǎn)線，除此以外，AGV 還用于搬運體積和重量都很大的物品，尤其是在汽車制造過程中用多個載貨平臺式 AGV 組成移動式輸送線，構(gòu)成整車柔性裝配生產(chǎn)線。20 世紀 60 年代和 70 年代初，AGV 仍采用這種導向方式。至此出現(xiàn)了智能車的概念。隨著交通需求的增加，這種傳統(tǒng)車輛控制方式的局限性日益明顯，例如安全性低（交通事故）和效率低（交通堵塞）。各參賽隊完成智能車工程制作及調(diào)試后，于指定日期與地點參加比賽。關(guān)鍵是如何選擇。同時外加小液晶和相應按鍵，這樣可以根據(jù)現(xiàn)場情況來調(diào)節(jié)相應的PID參數(shù)來適應相應路況。由于CMOS功耗小，較CCD要便宜，而且圖像質(zhì)量滿足要求。在這里我們通過AD采集來得到亮度信號。由于人眼看到的圖像大于等于24Hz時人才不會覺得圖像閃爍，所以PAL制式輸出的圖像是25Hz，即每秒鐘有25幅畫面，說的專業(yè)點就是每秒25幀，其中每一幀有625行。那么像素同步時間增大了，采點方便。比較常用的二值化方法則有：雙峰法、迭代法、大津法和灰度拉伸法等。迭代所得的閾值分割的圖象效果良好。 灰度拉伸一種改進的大津法大津法得到了廣泛的應用，但有人發(fā)現(xiàn)，大津法致命的缺陷是當目標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，甚至會丟失整幅圖像的信息。而對于灰度拉伸法，適合處理對速度要求不高的圖像處理，處理數(shù)據(jù)量大，因此也不予采用。傳統(tǒng)時域處理方法主要有均值濾波和中值濾波。在一定的條件下，可以克服線性濾波器所帶來的圖像細節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪聲最為有效。對于有緩變的較長輪廓線物體的圖像，采用方形或圓形窗口為宜，對于包含尖頂角物體的圖像，適宜用十字形窗口。其中最常用的就是閾值法去噪，本文主要研究閾值去噪。但對于脈沖干擾來講，特別是脈沖寬度小于濾波器的窗口寬度一半，中值濾波還是很有效的。第3章 硬件設計 硬件總體方案設計為滿足飛思卡爾賽車的設計要求，總體硬件思路如下設計思路：通過對攝像頭采集到的圖像的進行處理，然后通過測速電機對小車的實時速度的采集，通過處理器對采集到的數(shù)據(jù)進行分析，然后控制小車的運動方向和速度。圖31 智能車結(jié)構(gòu)圖雖然輪胎、驅(qū)動電機、舵機和電池等車模主要結(jié)構(gòu)不能作改動，但是一些機械結(jié)構(gòu)上的細節(jié)仍然會對小車性能產(chǎn)生影響，為此我們對這些細節(jié)進行了一定的調(diào)整。作為本設計的賽車系統(tǒng)，控制策略涉及到賽車入彎時能區(qū)分S彎還是普通的單向彎。temp_i++) //每行求一次動態(tài)閾值 { max = 110。amp。 //沒行求一次動態(tài)閾值 } } 閥值點 個數(shù) 黑線中心區(qū)域 底板中心區(qū)域50004000300020001000 寬度值圖42 直方圖統(tǒng)計法 從分割（如圖42所示）的效果來看，當前后景的對比較為強烈時，分割效果較好；否則基本無效。 init = 2055615866。Noisy signal Signal to noise ratio = 39。)（1）[XD,CXD,LXD] = wden(X,TPTR,SORH,SCAL,N,39。對一個給定的閾值t，得到他的似然估計，再將非似然t最小化，就得到了所選的閾值，它是一種軟件閾值估計器。 init = 2055615866。sln39。 xd = wden(x,39。)。s39。 sqtwolog 39。,lev,39。sym839。,lev,39。在MATLAB語句中，SORH=‘s’，則為軟閾值處理,向量X為待處理的信號。h39。)。具體選擇可以根據(jù)實際需要決定，在我們的實驗中選擇的是sym8(光滑的緊支撐雙正交小波)。 } else if([temp_line] != 0 amp。amp。 = 22)//近處幾行丟失補出來 { for(temp_j = ( + 3)。temp_line = 0。amp。temp_line) { if([temp_line] == 0 amp。 [temp_line] != (point 1)) { Middle[temp_line] = (int)(([temp_line] + [temp_line]) / 2)。 for(temp_line = (