开源汇总写在下面
第18届全国大学生智能汽车竞赛四轮车开源讲解_Joshua.X的博客-CSDN博客
开源链接写在下面
https://gitee.com/joshua_xu/the-18th-smartcar
https://gitee.com/joshua_xu/the-18th-smartcar
注：文章中所有参数，角点范围之类的东西仅作为参考，实际参数，请根据需要实际调整！！！！！！！！！
实际上，智能车所有参数都需要根据你的实际情况进行调整，万万不可照搬不误！！！！！
一、巡线/找边界
当摄像头成功获取一帧图像，并且预处理（二值化）之后，我们最重要的事情就是获取赛道信息。其中最基本的就是赛道编边界信息，左边，右边，中线等基础数据。
事先声明，没有那种算法是完美的，只要算法能够得到足够多想要的信息，那么他就是好算法。
不同算法之间没有优劣之分，多少国赛选手仍跑着最简单的算法，这并不影响什么。
1.(双)最长白列
首先介绍我使用的（双）最长白列法。
首先获取到一张二值化图像，那么我先从最下面一列，对于每一列向上寻找白点，同时计数，遇到停止黑点就停止。
示意图如下：
从左往右，从下往上寻找白点计数，遇到黑点就停止
最长白列寻找代码如下
volatile int White_Column[MT9V03X_W];//每列白列长度 //从左到右，从下往上，遍历全图记录范围内的每一列白点数量 for (j =start_column; j= 0; i--) { if(image_two_value[i][j] == IMG_BLACK) break; else White_Column[j]++; } }
这样我们就得到了每一列连续白点的个数分布直方数据。
随后，从左到右寻找白点数量最多的一列；同样的，从右到左也寻找白点数最多的一列。
有些同学可能会疑惑，既然是最多，那么只有一个，为什么要从左往右找，再从右往左找呢？
这其实不矛盾，同样是最多，有可能都是整幅图像的高，但是位置有可能一不样。参考上方的图。
参考代码如下：
//从左到右找左边最长白列
Longest_White_Column_Left[0] =0;
for(i=start_column;i=start_column;i--)//从右往左，注意条件，找到左边最长白列位置就可以停了
{
if (Longest_White_Column_Right[0]
到这里我们已经找到了左最长白列，右最长白列，这两个值理论上是一样的，都是规定范围内的最长白列的长度值。
这个值还有一个名字，叫搜索截止行，做元素判断时非常有用，因为他代表了我们的视野，最长白列越长，说明我们看到越远，我们面前越有可能是直道，反之面前大概率是弯道。
Search_Stop_Line = Longest_White_Column_Left[0];//搜索截止行选取左或者右区别不大，他们两个理论上是一样的
直道与弯道最长白列位置与长度的区别可以用来判断直道弯道
接下来就可以找边界了，从图像最下一行开始，到截止行结束。
从左最长白列向左找，找到"黑黑白"，即白点为左边界；
从右最长白列向右找，找到“白黑黑”，即白点为右边界。.
注：黑黑白，白黑黑，均以数组生长方向为参考，详情见下图。
边线像素情况
当找到图像的边界仍然没有找到赛道边界，认为丢线，将屏幕边界放到赛道边界。如上图右下角即为丢线。
参考代码如下：
//相关数据使用前清零
Longest_White_Column_Left[0] = 0;//最长白列,[0]是最长白列的长度，[1】是第某列
Longest_White_Column_Left[1] = 0;//最长白列,[0]是最长白列的长度，[1】是第某列
Longest_White_Column_Right[0] = 0;//最长白列,[0]是最长白列的长度，[1】是第某列
Longest_White_Column_Right[1] = 0;//最长白列,[0]是最长白列的长度，[1】是第某列
for (i = MT9V03X_H - 1; i >=MT9V03X_H-Search_Stop_Line; i--)//常规巡线
{//从最下面一行，访问到我的有效是视野行
for (j = Longest_White_Column_Right[1]; j =MT9V03X_W-1-2)//没找到右边界，把屏幕最右赋值给右边界
{
right_border = j;
Right_Lost_Flag[i] = 1; //右丢线数组，丢线置1，不丢线置0
break;
}
}
for (j = Longest_White_Column_Left[1]; j >= 0 + 2; j--)//往左边扫描
{//从最下面一行，访问到我的有效是视野行
if (image_two_value[i][j] ==IMG_WHITE && image_two_value[i][j - 1] == IMG_BLACK && image_two_value[i][j - 2] == IMG_BLACK)//黑黑白认为到达左边界
{
left_border = j;
Left_Lost_Flag[i] = 0; //左丢线数组，丢线置1，不丢线置0
break;
}
else if(j= 0; i--)//右边直接写在边上
{
Right_Line[i]=MT9V03X_W-1;
}
}
else if(Left_Island_Flag==1)//左环
{
for (i = MT9V03X_H - 1; i >= 0; i--)//左边直接写在边上
{
Left_Line[i]=0; //右边线线数组
}
}
}
//debug使用，屏幕显示相关参数
// ips200_showint16(0,0, Longest_White_Column_Right[0]);//【0】是白列长度
// ips200_showint16(0,1, Longest_White_Column_Right[1]);//【1】是下标，第j列)
// ips200_showint16(0,2, Longest_White_Column_Left[0]);//【0】是白列长度
// ips200_showint16(0,3, Longest_White_Column_Left[1]);//【1】是下标，第j列)
}
2.常规巡线
常规巡线是我17届智能车比赛时使用的，核心想法与最长白列差不多，起始点的处理有所不同，这里简单讲下。
首先在图像最下一行进行判断搜索起始点，默认是图像中间，如果是图像中间是黑的话，那就判断图像左1/4处是不是黑，右1/4处是不是黑，这样找到一个搜索起始点，从起始点开始，向左向右进行判断。同样的“黑黑白”白点是左边界，“白黑黑”白点是右边界，左加右除以2，计算出当前的中线位置，下一次的起始点是这一次的中点，就这样断搜下去，也叫“中线继承法”，同样可以找到边线。
先进行起始点判断，再进行中线继承巡边
这也是一种可行的办法，参考代码如下：
/*
* 从下往上巡线，从中巡间往两边线
*/
void Find_Boundry(void)//从中间往两边搜索中线
{
int i,j;
static int left_border=0,right_border=0,mid=MT9V03X_W/2,last_mid=MT9V03X_W/2;
right_line_lost=0;
left_line_lost=0;.
//起始点合理性判断
if(image_two_value[MT9V03X_H-1][MT9V03X_W/2]==0x00)//屏幕中线是黑的话
{
if(image_two_value[MT9V03X_H-1][MT9V03X_W/4]==0xff)//看看左1/4是不是白
{
last_mid=MT9V03X_W/4;//更改搜索起始点
}
else if(image_two_value[MT9V03X_H-1][MT9V03X_W/4*3]==0xff)//看看右1/4是不是白
{
last_mid=MT9V03X_W/4*3;//更改搜索起始点
}
}
//开始巡边
for(i=MT9V03X_H-1;i>=0;i--)//从最底下往上扫描
{
for(j=last_mid;j1;j--)//往左边扫描
{
if(image_two_value[i][j]==0xff&&image_two_value[i][j-1]==0x00&&image_two_value[i][j-2]==0x00)//黑黑白认为到达左边界
{
left_border=j;
Left_Lost_Flag[i]=0; //左丢线数组，丢线置1，不丢线置0
break;//跳出，找到本行边界就没必要循环下去了
}
else
{
left_border=j;//找到头都没找到边，就把屏幕最左右当做边界
Left_Lost_Flag[i]=1; //左丢线数组，丢线置1，不丢线置0
}
}
left_line_lost+=Left_Lost_Flag[i];
mid=(left_border+right_border)/2;//中线坐标
last_mid=mid;//中线查找开始点，方便下一次找中线
Left_Line [i]= left_border ; //左边线线数组
Right_Line[i]= right_border; //右边线线数组
Road_Wide[i]=Right_Line[i]-Left_Line [i];
}
}
3.八邻域
八邻域呢是智能车处理的一大热门话题，他可以以超快的速度处理出图像的边缘，我称之为“爬线”，因为只要起始点正确，他可以沿着图像的边缘（赛道边缘）快速爬出整条边界。
其中有灰度八邻域，二值化八邻域，核心原理都差不多，以当前点为中心，开一个九宫格，去看附近的格子变化趋势如何，找到下一个点，再以下一个点为中心，开九宫格，判断在下一个点的情况，如此类推，沿着边线爬完全图。
八邻域原理
八邻域搜线图示来自b站大佬:AI云归
具体的操作，建议参考b站大佬：AI云归，他开源了很多资料，大家可以前去学习
但是八邻域在智能车方面需要有不少限制，不然可能会爬到某个怪圈里面，把自己死卡，出不来。
4.逆透视
逆透视是好多大佬使用的方法，核心原理就是坐标系的转化，让一张图片从智能车视角，转化为上帝视角，这样有好处，赛道还原度可以非常高，并且在一些角点，弯道，可以进行角度，甚至是曲率的计算，非常有利于元素的处理。
智能车视角的十字回环
逆透视处理后看到的十字回环
关于逆透视方面，需要借助MATLAB工具进行标定，测量等，前期需要做一些准备工作，但是一但标定完成，使用起来效果还是很高端的。
关于逆透视方面，大家可以参考上交AuTop开源，以及b站大佬：__苏格拉没有底___，他们的开源，讲的很多很好。
5.迷宫法
迷宫法巡线是上交开源出的一套巡线法，在开源之后广受好评，大家也可参考
第16届智能车智能视觉组-上海交通大学AuTop战队开源汇总 - 知乎
二、赛道基本信息
1.标准赛道宽度
const uint8 Standard_Road_Wide[MT9V03X_H]=//标准赛宽
{ 10, 12, 14, 16, 18, 20, 22, 24, 26, 28,
30, 32, 34, 36, 38, 40, 42, 44, 46, 48,
50, 52, 54, 56, 58, 60, 62, 64, 66, 68,
70, 72, 74, 76, 78, 80, 82, 84, 86, 88,
90, 92, 94, 96, 98,100,102,104,106,108,
110,112,114,116,118,120,122,124,126,128,
130,132,134,136,138,140,142,144,146,148};
这个是数据是在摄像头高度，角度都确定了之后，在长直道实测出来的数据，赛道每一行的理论赛宽。在后期坡道，横断，环岛的一些阶段，都非常有用。
宽度是用右边界-左边界得到的，单位是像素，需要各位实测得到。
2.边界分析数据
for (i = MT9V03X_H - 1; i >= 0; i--)//赛道数据初步分析
{
if (Left_Lost_Flag[i] == 1)//单边丢线数
Left_Lost_Time++;
if (Right_Lost_Flag[i] == 1)
Right_Lost_Time++;
if (Left_Lost_Flag[i] == 1 && Right_Lost_Flag[i] == 1)//双边丢线数
Both_Lost_Time++;
if (Boundry_Start_Left == 0 && Left_Lost_Flag[i] != 1)//记录第一个非丢线点，边界起始点
Boundry_Start_Left = i;
if (Boundry_Start_Right == 0 && Right_Lost_Flag[i] != 1)
Boundry_Start_Right = i;
Road_Wide[i]=Right_Line[i]-Left_Line[i];
}
赛道信息是我们识别元素的关键，主要包括
- 左/右边界数组
- 左/右丢线数组，左/右丢线数
- 双边丢线数
- 左/右边界起始点
- 赛道截止行
- 当前赛道宽度
这些信息都是初步分析得出的数据，在不同的排列组合判断后，还需要根据这些信息进一步去获取角点判断，连续性判断，单调性判断，电磁信号判断等，在进行补线，划线等措施，去判断和处理不同的素。
注：上面并没有计算中线，我因为得到了左右边线，随时都可以用（左+右）/2得到中线。我是在控制方向的时候才去计算中线。
到这里，我们就成果的获取到了一帧图像的大部分数据，下一章将讲简单的控制，车子就可以跑起来了。
希望能够帮助到一些人。
本人菜鸡一只，各位大佬发现问题欢迎留言指出。
