[發明專利]基于改進Sobel算子的智能車行駛控制系統及方法

有效

• 申請號: 201810185271.7
• 申請日: 2018-03-07
• 公開（公告）號: CN108490931B
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 周士貴;高龍
• 申請（專利權）人: 曲阜師范大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 江蘇瑞途律師事務所 32346
• 代理人: 劉琦

1.一種基于改進Sobel算子的智能車行駛控制系統，其特征在于，該系統包括：

圖像采集模塊，通過攝像頭采集并提取包含賽道的灰度圖像；

圖像處理模塊，用以從攝像頭采集的灰度圖像中提取有效賽道邊緣并采用全連接神經網絡進行賽道類型的判斷，具體為：將所述灰度圖像與改進Sobel算子作平面卷積，得到梯度圖像，然后對所述梯度圖像先后進行池化，二值化，得到二值化圖像，對所述二值化圖像依次進行噪點及短線條剔除、尋找有效賽道邊緣、進行賽道類型的判斷；所述改進Sobel算子為：所述圖像處理模塊中池化的區域大小為4*4像素矩陣，所述梯度圖像為像素80*60的賽道原始圖像，所述梯度圖像進行池化后得到像素為20*15的圖像，進行賽道類型的判斷時，將有效賽道邊緣作為全連接神經網絡的輸入，將輸入層神經元數量設置為300，中間層神經元數量設置為40，輸出層神經元數量設為5，5個輸出層神經元分別代表直道、左彎道、右彎道、十字、圓環五種賽道類型；

控制信息轉化模塊，用以根據尋找到的有效賽道邊緣和賽道類型判斷結果確定智能車前進方向與正確路線之間的偏移量，根據偏移量的大小和賽道類型，用PD控制器得到舵機對應的pwm值，用PID控制器得到直流電機對應的pwm值；

執行模塊，用以根據控制信息轉化模塊給出的舵機的pwm值和直流電機的pwm值，分別控制舵機和直流電機轉動，使小車按正確的方向行駛。

2.如權利要求1所述的一種基于改進Sobel算子的智能車行駛控制系統，其特征在于，所述攝像頭為黑白攝像頭，采集并提取的原始圖像即為灰度圖像。

3.如權利要求1或2所述的一種基于改進Sobel算子的智能車行駛控制系統，其特征在于，所述圖像采集模塊采用DMA方式采集包含賽道的灰度圖像。

4.如權利要求1或2所述 的一種基于改進Sobel算子的智能車行駛控制系統，其特征在于，所述圖像處理模塊通過模板匹配法剔除噪點及短線條，具體為：將二值化后圖像中黑色像素點逐個與3*3模板矩陣進行卷積操作，每次操作中，若結果為0，則剔除該黑色像素點，否則繼續與5*5模板矩陣進行卷積操作，若結果為0，則剔除5*5模板矩陣鄰域內所有黑色像素點，否則繼續與7*7模板矩陣進行卷積操作，若結果為0，則剔除7*7模板矩陣鄰域內所有黑色像素點，否則保留7*7模板矩陣鄰域內所有黑色像素點，所述3*3模板矩陣、5*5模板矩陣、7*7模板矩陣的形式均為：矩陣首行、首列及尾行、尾列元素為1，其余元素為0。

5.一種基于改進Sobel算子的智能車行駛控制方法，其特征在于，該方法包括以下步驟：

步驟一：通過攝像頭以DMA方式采集并提取包含賽道的原始圖像；

步驟二：將原始圖像與改進Sobel算子作平面卷積運算，得到梯度圖像，所述梯度圖像為像素80*60的賽道原始圖像，所述改進Sobel算子為：

步驟三：對所述梯度圖像先后進行池化，二值化，得到二值化圖像，所述池化的區域為4*4像素矩陣，所述梯度圖像進行池化后得到像素為20*15的圖像；

步驟四：剔除所述二值化圖像中的噪點及短線條，尋找有效賽道邊緣并運用全連接神經網絡進行賽道類型的判斷，進行賽道類型的判斷時，將有效賽道邊緣作為全連接神經網絡的輸入，將輸入層神經元數量設置為300，中間層神經元數量設置為40，輸出層神經元數量設為5，5個輸出層神經元分別代表直道、左彎道、右彎道、十字、圓環五種賽道類型；

步驟五：根據尋找到的有效賽道邊緣和賽道類型判斷結果確定智能車前進方向與正確路線之間的偏移量，根據偏移量的大小，用PD控制器得到舵機對應的pwm值，用PID控制器得到直流電機對應的pwm值；

步驟六：根據控制信息轉化模塊給出的舵機的pwm值和直流電機的pwm值，分別控制舵機和直流電機轉動，使小車按正確的方向行駛。