图像采集与处理在智能车系统中的应用

　　首先存储一幅原始图像的所有数据，然后对整幅图像的第一像素点进行统计，最终把第个亮度值所对应的像素点个数统计出来，结果将出现一个双波峰形图，如图5所示。这将能较直接地比较出亮度值集中的区域，以两个波峰的中心位置所在的中点值作为该赛道的二值化阀值。该算法计算的精度较高，能够找到理想的一个阀值点，虽然它执行的时间较长，但是这只是在赛车未起跑前进行的初始化运算，对赛车起跑后的速度完全没有影响，因此该方案是可以采用的。

　　图像去噪

　　在车体运动过程中，图像经过二值化后并不会出现太大的噪声，只是在局部出现了一小部分的椒盐噪声，其典型图像如图6所示。在该系统设计中，图像处理的目的是准确地找到黑线的中心位置。由于图像中噪声的面积非常小，并且一般出现在离黑线较远的地方，处理的方法也比较多，可采用中心坐标递推法。

　　由于该赛道的黑线细分为每一行的坐标后，相邻两行之间的中心坐标值之差是比较小的，经实验测试得其差一般不会超过5，具有很好的递推性。因此可以利用前一行的中心坐标往下递推来求解，具体步骤如下。

　　(1)由于摄像头近处的黑线拍摄效果较好，不仅黑线的宽度比较大，而且基本不会出现任何噪声，用其作为递推的基准点是非常好的选择。由于这是整幅图像的基准点，因此对其准确性要求比较高，在计算第一行的中心坐标值时采用黑线连续记数法,即只有连续读取到3个或以上“1”时才算有效的黑线,并记录黑线的块数，否则将其清零，最终再查看该行黑线块数是否为1，若不为1则改用第二行图像数据作判断，如此递增直到找到唯一的黑线为止。