System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像数据处理,尤其涉及一种基于图像处理的独轮车道路搜寻规划方法及系统。
技术介绍
1、随着智能
不断发展,依据智能技术开发出智能化独轮车,并且还延伸出各种各样的比赛,包括利用计算机激素后对采集的图像数据以及独轮车的控制平衡进行自动化地调节,从而使得智能化独轮车能够自动化地完成比赛。然而,传统的独轮车道路搜寻规划方法对于独轮车赛道断路区域、障碍区域等不能精准识别及处理独轮车的行驶路径,使得独轮车道路搜寻规划效率差,并且对于独轮车的行驶路程偏移不能进行有效地校正,导致独轮车的行驶路程与规划路程出现较大偏差,使得后续的独轮车道路搜寻规划准确率较低。
技术实现思路
1、基于此,本专利技术提供一种基于图像处理的独轮车道路搜寻规划方法及系统,以解决至少一个上述技术问题。
2、为实现上述目的,一种基于图像处理的独轮车道路搜寻规划方法,包括以下步骤:
3、步骤s1:利用独轮车内置的监控设备进行赛道图像数据采集,生成赛道图像数据;
4、步骤s2:对赛道图像数据进行动态二值化阈值分析处理,生成动态二值化阈值数据;根据动态二值化阈值数据对赛道图像数据进行赛道边界数据分析处理,生成赛道边界数据;
5、步骤s3,包括:
6、步骤s31:当检测到赛道边界数据时,根据赛道边界数据进行赛道边界中心线数据分析,生成赛道边界中心线数据;
7、步骤s32:当未检测到赛道边界数据时,根据赛道图像数据进行赛道边界补线处理,生成赛道边
8、步骤s4:根据赛道边界中心线数据以及赛道补线边界中心线数据进行赛道中心线拟合优化处理,生成赛道中心线数据;根据赛道中心线数据进行独轮车道路规划处理,生成规划独轮车道路数据;
9、步骤s5:根据赛道图像数据以及规划独轮车道路数据进行路径偏移距离分析,生成路径偏移距离数据;根据路径偏移距离数据以及规划独轮车道路数据进行独轮车控制参数设计,以得到独轮车控制参数;基于独轮车控制参数执行独轮车驱动优化作业。
10、本专利技术利用独轮车内置的监控设备进行赛道图像数据采集,使得独轮车能够实时捕捉周围环境的详细信息,即时的环境感知能力为独轮车提供了准确的赛道信息,是实现自主导航和智能决策的基础。对赛道图像数据进行动态二值化阈值分析处理,独轮车能够在图像条件下自适应地调整二值化阈值,从而有效地识别赛道边界,自适应调整机制大大提升了赛道边界识别的准确性,减少了环境变化对识别准确性的影响。通过动态二值化阈值数据对赛道图像数据进行分析处理,使得独轮车能够适应各种路面条件,包括不同的赛道材质、路面标记清晰度以及外部光照变化等识别赛道边界数据,能够在复杂和多变环境中保持稳定行驶的关键,动态二值化处理减少了图像数据的复杂度,将图像转换为更易于分析和处理的格式,从而优化了后续赛道边界识别和道路规划的数据处理效率。确保在赛道边界清晰可识别时,独轮车能够准确地计算出赛道的中心线,这对于独轮车沿赛道安全、稳定地行驶至关重要,保证了在理想条件下独轮车的最优导航性能。在赛道边界数据不完整或不可识别的情况下,通过图像数据分析补充缺失的赛道边界信息,提高了独轮车对于复杂或变化环境的适应能力,从而识别出断路区域,十字路口区域等的赛道边界信息,独轮车都能找到最合理的行驶路径,对赛道中心线的准确计算和补线处理,独轮车能够更加精确地保持在赛道上行驶,减少偏离风险,从而提高了行驶的安全性。通过赛道中心线拟合优化处理,确保生成的赛道中心线数据最大程度反映实际赛道的中心,从而提供更加准确的导航路径,优化后的赛道中心线能够为独轮车提供一条平滑且直接的行驶路径,减少不必要的转向和调整,从而提高行驶效率,自动化的道路规划减少人为干预,提升了独轮车的自主性,使其能够适应更加复杂和多变的环境。根据路径偏移距离数据以及规划独轮车道路数据进行独轮车控制参数设计,允许独轮车根据实际行驶情况进行动态调整,提高了其适应不同赛道条件的能力,并且通过分析路径偏移距离并据此优化控制参数,独轮车能够更精确地沿预定路径行驶,减少偏离和误差。执行独轮车驱动优化作业,包括利用学习模型不断学习控制参数中行驶的反馈数据,并依据行驶的反馈数据迭代更新控制参数,是的独轮车驱动作业更加优越。
11、本说明书中提供一种基于图像处理的独轮车道路搜寻规划系统,用于执行如上述所述的基于图像处理的独轮车道路搜寻规划方法,该基于图像处理的独轮车道路搜寻规划系统包括:
12、赛道图像数据采集模块,用于利用独轮车内置的监控设备进行赛道图像数据采集,生成赛道图像数据;
13、赛道边界分析模块,用于对赛道图像数据进行动态二值化阈值分析处理,生成动态二值化阈值数据;根据动态二值化阈值数据对赛道图像数据进行赛道边界数据分析处理,生成赛道边界数据;
14、赛道中心线数据采集模块,用于当检测到赛道边界数据时,根据赛道边界数据进行赛道边界中心线数据分析,生成赛道边界中心线数据;当未检测到赛道边界数据时,根据赛道图像数据进行赛道边界补线处理,生成赛道边界补线数据;根据赛道边界补线数据进行赛道边界补线中心线数据分析,生成赛道边界补线中心线数据;
15、独轮车道路规划模块,用于根据赛道边界中心线数据以及赛道补线边界中心线数据进行赛道中心线拟合优化处理,生成赛道中心线数据;根据赛道中心线数据进行独轮车道路规划处理,生成规划独轮车道路数据;
16、独轮车驱动模块,用于根据赛道图像数据以及规划独轮车道路数据进行路径偏移距离分析,生成路径偏移距离数据;根据路径偏移距离数据以及规划独轮车道路数据进行独轮车控制参数设计,以得到独轮车控制参数;基于独轮车控制参数执行独轮车驱动优化作业。
17、本申请有益效果在于,本专利技术的独轮车道路搜寻规划方法对于独轮车赛道断路区域、障碍区域等能够精准识别及处理独轮车的行驶路径,通过对未识别出道路边界进行补线处理,从而规划好独轮车整体的行驶路径,使得独轮车道路搜寻规划效率高,并且对于独轮车的行驶路程偏移能够进行有效地校正,通过强化学习模型不断优化调整独轮车控制参数,进而独轮车的行驶路程更符合规划路程,使得后续的独轮车道路搜寻规划准确率更高。
本文档来自技高网...【技术保护点】
1.一种基于图像处理的独轮车道路搜寻规划方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤S1包括以下步骤:
3.根据权利要求2所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤S13中所述的噪声光谱计算公式如下所示:
4.根据权利要求1所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤S2包括以下步骤:
5.根据权利要求4所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤S24包括以下步骤:
6.根据权利要求4所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤S32中所述根据赛道图像数据进行赛道边界补线处理包括以下步骤:
7.根据权利要求4所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤S4包括以下步骤:
8.根据权利要求7所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤S44包括以下步骤:
9.根据权利要求1所述的基于图像处理的独轮车道路搜寻规划方法,其特征
10.一种基于图像处理的独轮车道路搜寻规划系统,其特征在于,用于执行如权利要求1至9中任一项所述的基于图像处理的独轮车道路搜寻规划方法,该基于图像处理的独轮车道路搜寻规划系统包括:
...【技术特征摘要】
1.一种基于图像处理的独轮车道路搜寻规划方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤s1包括以下步骤:
3.根据权利要求2所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤s13中所述的噪声光谱计算公式如下所示:
4.根据权利要求1所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤s2包括以下步骤:
5.根据权利要求4所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤s24包括以下步骤:
6.根据权利要求4所述的基于图像处理的独轮车道路搜寻规划方法,其特征在于,步骤s32中所述根据...
【专利技术属性】
技术研发人员:张海英,马林栋,孙浩阳,李士祥,杨发翔,李佳泽,孙辉,高剑,李建梅,
申请(专利权)人:菏泽学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。