山东大学“渡龙先锋”实践团——集训日志
智能车备赛日志 - 图像处理专项
任务：赛道识别与图像处理优化
今日目标
1. 完成摄像头图像采集模块的调试，确保图像清晰稳定。
2. 优化赛道中线提取算法，提升弯道识别精度。
3. 解决图像噪点问题，降低环境光干扰。
图像质量测试：
在实验室环境下图像清晰，但在强光下出现反光干扰。
尝试调整摄像头曝光时间（从10ms降低至5ms），反光问题有所缓解，但图像亮度下降。
2. 赛道中线提取算法优化
灰度化与二值化：
采用加权灰度化（R:0.3， G:0.59， B:0.11），提升赛道与背景对比度。
动态阈值二值化：根据图像亮度动态调整阈值，适应不同光照条件。
边缘检测：
使用Canny算法提取赛道边缘，初步效果良好，但在弯道处出现断点。
增加形态学处理（膨胀+腐蚀）连接断点，边缘连续性提升。
中线提取：
基于滑动窗口法提取中线，窗口宽度设置为20像素，步长为10像素。
在直道表现稳定，但在急弯处中线偏移较大（最大误差约15像素）。
3. 噪点与干扰处理
问题1：赛道反光导致误识别。
方案：增加偏振片滤除反光，效果显著，但图像亮度降低约20%。
优化：结合动态曝光调整，补偿亮度损失。
问题2：环境光变化导致二值化阈值失效。
方案：引入自适应阈值算法（Otsu法），提升鲁棒性。
测试：在不同光照条件下测试，误识别率降低至5%以下。
后续计划
1. 尝试引入卷积滤波（如高斯滤波）进一步降低噪点。
2. 优化中线提取算法，增加弯道预测功能（如基于历史数据的曲线拟合）。
3. 测试不同光照条件下的算法稳定性，建立光照补偿模型。
总结与反思
算法效果：当前中线提取算法在直道表现良好，弯道仍需优化。
硬件限制：摄像头分辨率与帧率对算法性能影响较大，需权衡计算资源。
团队协作：硬件组需配合调整摄像头安装位置，减少图像畸变。
通过不断优化图像处理算法，提升赛道识别的精度与稳定性，为智能车比赛奠定坚实基础。
图|韩煜寿
文|韩煜寿
http://www.dxsbao.com/shijian/722403.html 点此复制本页地址
