一种基于机器视觉的车载导航方法技术

本发明专利技术涉及一种基于机器视觉的车载导航方法，包括以下步骤，1）将提取到的车道线图像进行图像预处理，主要包括图像的灰度化，中值滤波进行图像的去噪，Sobel算子进行图像的边缘提取；2）提取车道线的中点，将提取出来的中点连接起来形成小车前进的导航线，然后测量出车道线实际的中心位置，计算出提取出的导航线M与实际的中心位置的偏移量，给两个电机不同的PWM占空比来控制它们的转速，值主要用来确定给的PMW占空比的大小；3）识别二维码中信息完成前进，后退，左转，右转。本发明专利技术使得环卫小车可以在人流量较少且没有数字地图的园区或工厂内进行自主清扫工作，节省了垃圾增多带来的人力和车辆的压力。

【技术实现步骤摘要】
一种基于机器视觉的车载导航方法
本专利技术涉及车载导航领域，尤其涉及一种基于机器视觉的车载导航方法。
技术介绍
环卫行业地位日益提高，现有环卫专用车尚不能适应城市建设要求。近年来，随着我国城市建设进程的不断加快，城市生活垃圾以及道路机械化作业面积与日俱增，给环卫车辆驾驶员带来的工作负担日益加重。作为特定环境下的低速扫路车，国内部分学者已经进行了无人驾驶技术的研究，大多都聚焦于基于数字地图的路径导航，这种导航方法导航精度准确，但对系统的处理能力要求较严格且成本偏高。本文针对扫路车的特定运行环境，提出基于机器视觉的路径导航方法。随着计算机硬件的不断升级，使得机器视觉系统的性能有了很大的提升，检测范围和检测能力都在横向、纵向上不断延伸。在增长速度和市场规模等数据上，我国正在奋起直追且效果显著，眼下已成为全球第三大机器视觉市场。
技术实现思路
针对上述的现状，本专利技术的目的在于提供一种利用车道线，识别准确，便于操作的基于机器视觉的导航方法。此导航方法针对人流量较少且缺乏数字地图的工业园区或工厂内。本专利技术是通过以下技术方案达到上述目的：一种基于机器视觉的车载导航方法，包括如下步骤：（1）基于车道线提取和二维码识别的导航方法；（2）将提取到的车道线图像进行图像预处理，主要包括图像的灰度化，中值滤波进行图像的去噪，Sobel算子进行图像的边缘提取；（3）提取车道线的中点，将提取出来的中点连接起来形成小车前进的导航线，然后测量出车道线实际的中心位置，计算出提取出的导航线M与实际的中心位置的偏移量，给两个电机不同的PWM占空比来控制它们的转速，值主要用来确定给的PMW占空比的大小；（4）识别二维码中信息完成前进，后退，左转，右转。本项专利技术的功能是这样实现的：首先利用摄像头采集到车道线的图像，将采集到的图像经过图像的灰度化，图像的去噪和边缘提取，得到预处理后的图像，在预处理后的图像中单看某一行的像素值找到白色像素点个数和白色像素点索引，接下来找到白色像素点的中心位置，计算出提取出的导航线M与实际的中心位置的偏移量。采用两个直流电机控制扫路车的行进，采用差速转向的控制原理控制小车的转向。给两个电机不同的PWM占空比来控制它们的转速，偏移量值主要用来确定给的PMW占空比的大小。如果偏移量过大或者过小的话，默认扫路车已行驶偏离轨道线，使PWM占空比为0，小车停止行进。如果偏移量大于0时，说明扫路车偏于车道线左边，右轮转速不变，增大左轮PWM占空比，使左轮转速增加，扫路车向右转。如果偏移量小于0时，说明扫路车偏于车道线右边，左轮转速不变，增大右轮PWM占空比，使右轮转速增加，扫路车向左转。如果偏移量等于0时，说明扫路车位于车道线中心，左右轮转速不变扫路车保持直行。在指定地点设置二维码地标，摄像头采集到二维码，主控芯片经过置探测图形和定位图形定位并获取图形,根据黑白色块转成0,1组成的数组,确定一个阈值,用该值将图像转化为一系列深色和浅色像素。识别格式和版本信息，确定二维码的纠错等级，去掉掩码,即从格式信息中得到编码区的摆位图进行异或处理消除掩码，恢复数据码字和纠错码字使用纠错码字进行错误检查,并纠错，以确保得到准确的信息来完成前进，后退，左转，右转等功能。附图说明图1是本专利技术的方法流程示意图；图2是本专利技术图像预处理的流程图；图3是本专利技术车道线灰度化处理结果示意图；图4是本专利技术车道线去噪结果示意图；图5是图像像素点分布函数示意图；图6是图像像素点分布函数导数图像示意图；图7是本专利技术车道线边缘提取结果示意图；图8是普通二维码基本结构示意图；图9是本专利技术二维码解码流程图。具体实施方式下面结合具体实施例对本专利技术进行进一步描述，但本专利技术的保护范围并不仅限于此：1、如图3所示，一种基于机器视觉的车载导航方法，车道线灰度方法步骤具体如下：加权平均法根据人眼敏感度，将三个分量以不同的权数进行加权。由于人眼对绿色的敏感最高，对蓝色敏感最低，经过研究最符合人类视觉的R、G、B分量的系数分别为0.299、0.587、0.114。图像灰度值的公式为：2、如图4所示，一种基于机器视觉的车载导航方法，车道线去噪方法步骤具体如下：中值滤波为基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波表达式如下：式中：表示图像中心像素点的位置；表示所选中心像素点的周围像素点；表示所选择的模板大小；3、如图7所示，一种基于机器视觉的车载导航方法，车道线边缘提取方法步骤具体如下：Sobel算子是计算机视觉领域的一种重要处理方法。主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测Sobel算子表达式如下：Gx及Gy分别代表水平梯度和垂直梯度4、据预处理后的车道线图像，先单看某一行的像素值找到白色像素点个数和白色像素点索引，具体表达式为：接下来找到白色像素点的中心位置，具体表达式为：计算出提取出的导航线M与实际的中心位置的偏移量，具体表达式为：如果偏移量过大或者过小的话，默认扫路车已行驶偏离轨道线，使PWM占空比为0，小车停止行进。如果偏移量大于0时，说明扫路车偏于车道线左边，右轮转速不变，增大左轮PWM占空比，使左轮转速增加，扫路车向右转。如果偏移量小于0时，说明扫路车偏于车道线右边，左轮转速不变，增大右轮PWM占空比，使右轮转速增加，扫路车向左转。如果偏移量等于0时，说明扫路车位于车道线中心，左右轮转速不变扫路车保持直行。以上的所述乃是本专利技术的具体实施例及所运用的技术原理，若依本专利技术的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的车载导航方法，其特征在于，包括如下步骤：/n（1）基于车道线提取和二维码识别的导航方法；/n（2）将提取到的车道线图像进行图像预处理，主要包括图像的灰度化，中值滤波进行图像的去噪，Sobel算子进行图像的边缘提取；/n（3）提取车道线的中点，将提取出来的中点连接起来形成小车前进的导航线，然后测量出车道线实际的中心位置，计算出提取出的导航线M与实际的中心位置的偏移量，给两个电机不同的PWM占空比来控制它们的转速，值主要用来确定给的PMW占空比的大小；/n（4）识别二维码中信息完成前进，后退，左转，右转。/n

【技术特征摘要】
1.一种基于机器视觉的车载导航方法，其特征在于，包括如下步骤：
（1）基于车道线提取和二维码识别的导航方法；
（2）将提取到的车道线图像进行图像预处理，主要包括图像的灰度化，中值滤波进行图像的去噪，Sobel算子进行图像的边缘提取；
（3）提取车道线的中点，将提取出来的中点连接起来形成小车前进的导航线，然后测量出车道线实际的中心位置，计算出提取出的导航线M与实际的中心位置的偏移量，给两个电机不同的PWM占空比来控制它们的转速，值主要用来确定给的PMW占空比的大小；
（4）识别二维码中信息完成前进，后退，左转，右转。


2.根据权利要求1所述的一种基于机器视觉的车载导航方法，其特征在于：所述步骤（2）中对车道线图像进行图像预处理，所述中值滤波为基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波表达式如下：



式中：表示图像中心像素点的位置；表示所选中心像素点的周围像素点；表
示所选择的模板大小；
Sobel算子是计算机视觉领域的一种重要处理方法，主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测Sobel算子表达式如下：




Gx及Gy分别代表水平梯度和垂直梯度。


3.根据权利要求2所述的一种基于机器视觉的车载导航方法，其特征在于：所述步骤(3...

【专利技术属性】
技术研发人员：仝光，李解，
申请(专利权)人：上海谕培汽车科技有限公司，
类型：发明
国别省市：上海;31