首页 理论教育 智能汽车图像采集-智能汽车设计与实践基础

智能汽车图像采集-智能汽车设计与实践基础

时间:2023-09-21 理论教育 版权反馈
【摘要】:图像采集包括在场地中准确地找出April Tags标签、棋子和障碍,准确清楚地知道April Tags标签、棋子和障碍处在摄像头的具体位置。为增加图像采集的抗干扰性,配置时采用彩图。④白色色块中心点为ROI区域中心,建立一个面积约为1.5倍实际April Tags标签像素面积的ROI区域,在该ROI区域查找April Tags标签。障碍识别结果如图11.50和图11.51所示,白色十字代表障碍中心。

智能汽车图像采集-智能汽车设计与实践基础

图像采集包括在场地中准确地找出April Tags标签、棋子和障碍,准确清楚地知道April Tags标签、棋子和障碍处在摄像头的具体位置。由于光学透镜固有的透视失真现象,首先需要对镜头进行畸变矫正。该OpenMV模块支持的帧大小较小,通过将其分辨率设置为当前分辨率的子分辨率,才可以正常使用帧大小为VGA:640×480的情况。将OpenMV模块的对比度、亮度、曝光率、自动增益等全部固定,从而固定色块的阈值,使得阈值的重复性满足要求。为增加图像采集的抗干扰性,配置时采用彩图。以下是图像采集步骤,包括April Tags标签查找、棋子查找、障碍查找。

(1)April Tags标签查找

在同一个感兴趣区域(ROI)区域查找色块的速度相对于查找April Tags标签会快很多,且查找April Tags标签的最大ROI区域远低于可查找色块的最大ROI区域,查找April Tags标签的ROI区域越大,越耗时,摄像头帧率越低。基于以上原因先使用色块识别,找出场地中April Tags标签的近似中心点,再以该中心点为正方形中心,建立查找April Tags标签的ROI区域,最后在该ROI区域查找April Tags标签,以达到在保证准确率的同时,提高摄像头帧率的效果。

由于April Tags标签由白色和黑色组成,因此如果以白色色块中心点为ROI区域中心,建立一个约1/4大小的April Tags标签像素区域面积,能同时找到白色和黑色色块,则说明该区域可能存在April Tags标签。建立1/4像素区域面积是因为April Tags标签周围存在白色线条,为了防止白色线条和April Tags标签中的白色混淆。

April Tags标签查找具体过程如下:

①在整幅图中查找白色色块,存下找到的所有白色色块中心点。

②以找到的白色色块中心点为ROI中心,选取一个合适的正方形边长,建立一个正方形的ROI区域,在该ROI区域查找黑色色块。若找到黑色色块则说明此区域有可能存在April Tags标签,因此将此白色色块中心点存下。

③此次需要使用白色色块中心点与曾经使用过的白色色块中心点像素距离在3/4个April Tags标签像素边长内,则放弃扫描。

④白色色块中心点为ROI区域中心,建立一个面积约为1.5倍实际April Tags标签像素面积的ROI区域,在该ROI区域查找April Tags标签。

(2)棋子查找

在阈值编辑器中调整阈值,使得白色棋子清晰可见,获取白色阈值,用同样的方法再获取黑色阈值。

①识别棋子的准备工作

a.初始化摄像头,前摄像头和左右摄像头,使用不同的子分辨率。

b.所有摄像头,即前摄像头和左右摄像头各拍摄一张图片,对前摄像头拍摄的图片进行畸变矫正处理,对左右摄像头拍摄的图片进行畸变矫正和透视变化处理。

c.棋子查找。(www.xing528.com)

②棋子查找过程

查找图像中的白色色块,找出白色色块的中心值,以该中心值的中心点划一个正方形的ROI区域,棋子的区域应该包含ROI正方形的区域范围。在该ROI区域查找黑色色块,找到黑色色块则认为为April Tags,否则为棋子。用该方法可以很好地排除白色线条的影响,如果将白色线条当作棋子,那么在此ROI区域肯定会找到黑色色块。

前摄像头识别棋子结果如图11.48所示;右摄像头识别棋子结果如图11.49所示,图中实芯点代表棋子的中心。

图11.48 前摄像头识别棋子效果图

图11.49 右摄像头识别棋子效果图

(3)障碍查找

由于棋盘中仅有障碍为红色,因此直接采用色块识别障碍即可。在阈值编辑器中调整阈值,使得红色障碍清晰可见,获取红色阈值。障碍识别结果如图11.50和图11.51所示,白色十字代表障碍中心。

图11.50 障碍识别结果

图11.51 障碍识别结果

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈