发一点开发日志。。娱乐一下 - 智能车制作

测试calculate2评估函数的有效性。结果如下图所示：

file:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-5852.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-32701.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-25484.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-17462.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-1956.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-12295.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-13834.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-24812.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-14898.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-11920.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-26390.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-31251.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-21280.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-31448.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-28738.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-31425.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-18881.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-17723.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-15755.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-26577.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-29967.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-6166.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-16873.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-29226.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-25829.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-7211.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-14885.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-32325.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-23407.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-31815.png

由以上图片分析可得，

1.得到的改善：

calculate函数在正常位置对图像左边缘提取较为稳定，

2.待解决问题：
右边缘则不尽如人意，并且road_trade函数的结束条件有问题，左边有可能得不到追踪，右边缘可能得不到执行

3.
左边缘追踪稳定表明calculate2函数的评估策略是较calculate函数的评估策略更为精确的，但是由于编写代码是按照左边缘的特征进行的，所以表现出左边缘的提取要优于右边缘。函数的边界判断出现问题，导致函数不正常退出使得边界追踪失败。

temp_diff=OneLine[line_no_temp][row_no_temp]-OneLine[line_no_temp2][row_no_temp2]；

sum_diff+=(temp_diff>0?temp_diff

-temp_diff));

此处是将前进方向的左右像素分组求灰度值之差，并且将差值取绝对值，这样将不会区分左白右黑以及左黑右白的情况，也就少了对左赛道边缘特征的识别。基于左边赛道边缘特征做出以下更改：

sum_diff+=temp_diff;

预计将会使得左边缘在迭代的过程中优势更为突出。

对calculate2中的for循环循环起始点以及终点做出更改。

原：for(i=0;i<=2;i++)

现：for(i=1;i<=3;i++)

file:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-4587.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-17641.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-31454.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-11298.png

分析：以上是两种情况，对比之前可得边缘追踪更加稳定可靠，不区分左右赛道的搜索对于由边缘的情况较为稳定，左边缘的提取则由于起始点的原因异常跳出了追踪。

边缘追踪时，由于赛道初始时是向图像上部追踪，并且在追踪过程中不会出现追踪到图像底部的情形，所以修改边界值条件只对追踪到上左右三边界的时候跳出函数。

函数：byte transport(byte dir_t,byte*line_no_t,byte*row_no_t)

原代码：if(*row_no_t==picture_min||*row_no_t==picture_max||*line_no_t==0||*line_no_t==79)

现代码：if(*row_no_t==picture_min||*row_no_t==picture_max||*line_no_t==0)

结果：左边缘识别率达到90%左右。

file:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-7968.png

file:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-28985.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-31584.png

在最低行进行分析时，追踪方向错误。

更改：road_trade函数中，在边缘追踪的初始点方向本来设定为2，现更改为1.表示向上追踪。

结果：在图像底端不会再出现上述错误。

file:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-5766.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-10101.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-24561.png

如上图所示：白色噪点对边缘跟踪影响很大

file:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-32079.png

黑色噪点对中心查找的影响。使得起点偏离边缘，给之后的边缘跟踪造成毁灭性的打击。

file:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-30387.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-25661.png

黑色噪点对边缘查找造成的影响

1.在边缘跟踪路径上的点进行二次滤波，三次滤波，

2.对左右边缘的判断条件分离，这样赛道左边缘右边灰度值大于左边灰度值的特征就会起作用，使得边缘追踪时滤除白色噪点。

问题：2013年5月25日13:04:54
file:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-25581.pngfile:///C:/DOCUME~1/crz/LOCALS~1/Temp/ksohtml/wps_clip_image-19368.png

这种情况是由于数组越界引起的，在进行迭代时，设定如果是边界上的点，则返回一个极小值，在之后的对比中将会忽略或者将算法搜索的区域减小一部分，留出四周无效区，无效区域内的点可以参与对比，但是不能作为路径。这样就避免了边缘在无效区内访问到数组外的点发生不可知的错误。

对工程进行备份，名称为：2013年5月25日13:18:09

对dir+1，dir+7;dir+2,dir+6;dir+3,dir+5;三组分别对8求余之后作为序号进行三次想绝对值坐标的映射并求偏差。

自动对中心查找的中心点进行确定，这样在赛车偏离中心的情况下，仍然可以正常识别赛道。

算法：求最底下一行图像的最黑的点，以横坐标的均值作为中点