【正文】 nt)((Middle[temp_line+1]+(Rate*([temp_line][temp_line+1]))))。的ASCIIhold on。.39。的ASCIICurrentTXTNum = 49。sobel39。提高是有限的但提高也是全面的，正是這一次設(shè)計(jì)讓我積累了無數(shù)實(shí)際經(jīng)驗(yàn)，使我的頭腦更好的被知識(shí)武裝了起來，也必然會(huì)讓我在未來的工作學(xué)習(xí)中表現(xiàn)出更高的應(yīng)變能力，更強(qiáng)的溝通力和理解力。雖然畢業(yè)設(shè)計(jì)內(nèi)容繁多，過程繁瑣但我的收獲卻更加豐富。sobel39。.txt39。 DataIndex = 1:DataNum。.txt39。amp。temp_line) { if([temp_line] == 0 amp。 for(temp_line = (line 2)。temp_line) { if([temp_line] == 0 amp。temp_line = 0。amp。具體選擇可以根據(jù)實(shí)際需要決定，在我們的實(shí)驗(yàn)中選擇的是sym8(光滑的緊支撐雙正交小波)。h39。,lev,39。,lev,39。s39。 xd = wden(x,39。 init = 2055615866。)（1）[XD,CXD,LXD] = wden(X,TPTR,SORH,SCAL,N,39。 init = 2055615866。amp。作為本設(shè)計(jì)的賽車系統(tǒng)，控制策略涉及到賽車入彎時(shí)能區(qū)分S彎還是普通的單向彎。第3章 硬件設(shè)計(jì) 硬件總體方案設(shè)計(jì)為滿足飛思卡爾賽車的設(shè)計(jì)要求，總體硬件思路如下設(shè)計(jì)思路：通過對(duì)攝像頭采集到的圖像的進(jìn)行處理，然后通過測速電機(jī)對(duì)小車的實(shí)時(shí)速度的采集，通過處理器對(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。其中最常用的就是閾值法去噪，本文主要研究閾值去噪。在一定的條件下，可以克服線性濾波器所帶來的圖像細(xì)節(jié)模糊，而且對(duì)濾除脈沖干擾及圖像掃描噪聲最為有效。而對(duì)于灰度拉伸法，適合處理對(duì)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。迭代所得的閾值分割的圖象效果良好。那么像素同步時(shí)間增大了，采點(diǎn)方便。在這里我們通過AD采集來得到亮度信號(hào)。同時(shí)外加小液晶和相應(yīng)按鍵，這樣可以根據(jù)現(xiàn)場情況來調(diào)節(jié)相應(yīng)的PID參數(shù)來適應(yīng)相應(yīng)路況。各參賽隊(duì)完成智能車工程制作及調(diào)試后，于指定日期與地點(diǎn)參加比賽。至此出現(xiàn)了智能車的概念。單元式 AGV主要用于短距離的物料運(yùn)輸并與自動(dòng)化程度較高的加工設(shè)備組成柔性生產(chǎn)線，除此以外，AGV 還用于搬運(yùn)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(gè)載貨平臺(tái)式 AGV 組成移動(dòng)式輸送線，構(gòu)成整車柔性裝配生產(chǎn)線。結(jié)合傳感器技術(shù)和自動(dòng)駕駛技術(shù)可以實(shí)現(xiàn)汽車的自適應(yīng)巡航并把車開得又快又穩(wěn)、安全可靠；汽車夜間行駛時(shí)，如果裝上紅外攝像頭，就能實(shí)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(xiǎn)、有毒、有害的工作環(huán)境里，此外他還能擔(dān)當(dāng)起無人值守的巡邏監(jiān)視、物料的運(yùn)輸、消防滅火等任務(wù)。4. 如何對(duì)反光處進(jìn)行補(bǔ)線，并進(jìn)行去噪。 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(hào)的特性。意味著50/3MS就有一幅圖像產(chǎn)生。該算法計(jì)算的精度較高，能夠找到理想的一個(gè)閥值點(diǎn)，雖然它執(zhí)行的時(shí)間較長，但是這只是在賽車未起跑前進(jìn)行的初始化運(yùn)算，對(duì)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。迭代所得的閾值分割的圖象效果良好。另外，圖像鄰域平均法算法簡單，計(jì)算速度快，但它的主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別在邊緣和細(xì)節(jié)處，鄰域越大，模越厲害。在圖像去噪領(lǐng)域中，應(yīng)用小波理論進(jìn)行圖像去噪受到許多專家學(xué)者的重視，并取得了非常好的效果。不過，他們?cè)谄交瑘D像的同時(shí)亦會(huì)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(gè)矛盾難于解決，也是均值濾波和中值濾波的缺點(diǎn)。安裝位置太低，會(huì)導(dǎo)致視域不夠廣闊，影響尋線的有效范圍；安裝位置太高，導(dǎo)引線會(huì)變得過窄而無法被檢測到，而且賽車系統(tǒng)會(huì)因重心抬高而穩(wěn)定性變差。amp。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(hào)，信號(hào)的類型由FUN指定：FUN=1 BLOCKS 產(chǎn)生不規(guī)則的方波信號(hào)FUN=2 BUMPS 產(chǎn)生低頻噪聲FUN=3 HEAVY SIN 產(chǎn)生隨機(jī)間斷的正弦信號(hào)FUN=4 DROPLER 產(chǎn)生chirp信號(hào)FUN=5 QUADCHIRP 產(chǎn)生4次調(diào)頻信號(hào)FUN=6 MISHMASH 產(chǎn)生混雜信號(hào)2.[X,XN] = wnoise(FUN,N,SQRT_SNR)產(chǎn)生含有白噪聲的信號(hào)XN，SQRT_SNR是信號(hào)的噪聲比。wname39。在統(tǒng)計(jì)學(xué)上，這種極值原理在于設(shè)計(jì)估計(jì)器。 title(39。xd = wden(x,39。s39。s39。 [xref,x] = wnoise(3,11,snr,init)。得到去噪效果對(duì)比圖如圖44所示。 [temp_line] != (point 1))//正常 { Middle[temp_line] = (int)(([temp_line] + [temp_line]) / 2)。 ( != 0 amp。temp_line) //近處沒有線的直接補(bǔ)出來 { Middle[temp_line] = Middle[ + 2]。 } } } else if(( == 0) amp。temp_line)//補(bǔ)出來的線可能會(huì)有0 或是 point 1 { Middle[temp_line] = ([temp_line] + [temp_line]) / 2。 } for(temp_line = ( 1)。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(gè)數(shù)% TXTName:文件名%CurrentTXTNum:當(dāng)前文件名前綴%使用說明:只用更改更改TxTNum使之和實(shí)際待讀文件數(shù)目一直clear %清除變量TxTNum = 1。 %讀取數(shù)據(jù) fclose(in)。% figure,imshow(ImageGray)。U8date = uint8(CRevDate)。對(duì)補(bǔ)線的效果分析：經(jīng)過小車的反復(fù)測試，補(bǔ)線后小車誤判軌跡的情況大大降低。洛陽理工學(xué)院畢業(yè)設(shè)計(jì)論文謝 辭衷心感謝導(dǎo)師姚惠林的指導(dǎo)，一直以來，姚老師在學(xué)習(xí)和實(shí)踐等方面給予了我諸多幫助與關(guān)懷，為我完成學(xué)業(yè)提供了一個(gè)良好的工作環(huán)境。根據(jù)補(bǔ)線的原則進(jìn)行補(bǔ)線，然后根據(jù)兩邊黑線，得出小車需要沿著中間軌跡前進(jìn)。 %打開第TXTName個(gè)文件[RevDate,DataNum] = fscanf(in,39。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。 %合并字符串else %超過十個(gè)文件 CurrentTXTNum = 48 + mod((temp48),10)。 [temp_line] != (point 1))//正常 { Middle[temp_line] = ([temp_line] + [temp_line]) / 2。amp。 for(temp_line = (line 2)。amp。 }else if([temp_line] != 0 amp。amp。 [temp_line] != (point 1))//左邊丟失 {Middle[temp_line]=(int)((Middle[temp_line+1]+(Rate*([temp_line][temp_line+1]))))。作用硬閾值的結(jié)果39。軟閾值的連續(xù)性較好。 [c,l] = wavedec(x,lev,39。 title(39。sym839。,39。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。 title([39。 //沒行求一次動(dòng)態(tài)閾值 //Data_Binary(temp_i + 4,threshold)。temp_i line。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。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。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。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。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。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。在這里我們完全不用理會(huì)這個(gè)信號(hào)。所以CMOS的功耗比CCD要小。攝像頭有數(shù)字?jǐn)z像頭，有模擬攝像頭。回顧汽車發(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)。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 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“無人駕駛牽引車”。然而，由于缺乏足夠的時(shí)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。 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。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(gè)像素掃描完成后才進(jìn)行放大；CMOS傳感器的每個(gè)像素都有一個(gè)將電荷放大為電信號(hào)的轉(zhuǎn)換器。即收到復(fù)合同步信號(hào)后，電子槍要換位置時(shí)是不能發(fā)射電子束的，這時(shí)候就由這個(gè)信號(hào)來消隱。經(jīng)過二值化處理后將原來白色的像素點(diǎn)用“0”表示，而黑色像素點(diǎn)用“1”表示。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(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)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(cuò)分概率最小。變換域法是在圖像的變換域上進(jìn)行處理，對(duì)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。因此平均濾波的一般輸出為: (23)對(duì)于二位序列 進(jìn)行中值濾波時(shí)，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。一般軟閾值估計(jì)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(duì)圖像像素的灰度值進(jìn)行運(yùn)算，達(dá)到平滑圖像的效果。本智能車輛定位系統(tǒng)的結(jié)構(gòu)圖如圖31所示。 //雙峰法的最小值/********************二值化***********************/void Binary(void){ for(temp_i = 0。 //沒行求一次動(dòng)態(tài)閾值 //Data_Binary(temp_i + 3,threshold)。 subplot(223), plot(x), axis([1 2048 10 10])。各參數(shù)的選擇對(duì)比如下：1．四種閾值選取方式的對(duì)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。s39。,lev,39。subplot(223), plot(xd), axis([1 2048 10 10])。)。在硬閾值處理中，由于收縮函數(shù)的不連續(xù)性，會(huì)在恢復(fù)的信號(hào)中產(chǎn)生一些人為的“噪聲點(diǎn)”。title(39。amp。 } } if( (line 3) amp。 [temp_line] == (point 1)) {Middle[temp_line]=(int)((Middle[temp_line+1]+(Rate*([temp_line][temp_line+1]))))。 } else if([temp_line] != 0 amp。 ( = 22))//只有一邊的線完整 {