摄像头智能车硬件设计方案

致比赛失败。这一元素的出现迫使我们必须在进入收紧弯之前识别出来用于提示的三角形，并且将策略进行相应的变化。CCD有很大的特点就是图像会产生畸变，导致三角形的特点变得不明显。并且三角形之前的坎也会使得赛道信息变得无效，增加了识别三角形的难度。针对这一特点，我们采集了大量图像，并且进行分析，找到了能够较为稳定的识别三角形的方法。

　　1.从上一行道路点开始向两边，在一定宽度内找边沿，这样可以避免赛道边缘的影响。

　　2.根据需要，可以做一下图像的梯形校正。需不需要梯形校正，应该根据实际情况判断。

　　3.三角形的判别是在每个周期都要执行的，需要存储前几行的数据，可以通过设计良好的流程来尽量避免识别三角算法中的重复工作。

　　4.对于图像失真，可能的处理方法如下： 三角形底边宽度与道路宽度相比有突变，而三角形尖端的宽度与道路宽度是连续变化的，根据这个特征设计算法。正三角形：如果发现宽度突变，那么怀疑可能是正三角;以后判断边线的连续性，直到宽度由大到小，最终与道路连接，且宽度由大到小变化的行数足够多，则可以判断出遇到正三角。倒三角形：如果发现从道路点开始，一定行数内宽度由小到大，并且在最终出现宽度突变，则判断出遇到倒三角。

　　另一个必须识别出来的元素是终点线。最初的图像识别方法是判断赛道黑线与白线的宽度，如果满足以下条件则认为是终点线： 如果连续两行出现多于一个的黑色片段，进行赛道的寻找。 找到是赛道的黑色片段之后判断左右相邻的黑色片段是否满足终点线黑线宽度的要求。 判断黑线之间的白线是否满足宽度标准。 如果满足以上三个条件则认为是终点线。

　　控制算法

　　CCD相对来说有两个优势，一是前瞻远，二是可以一次得到一段赛道的信息从而进行整帧策略的制定。所以控制算法上一定要利用起来整帧赛道的信息，才能够出现优化赛道的效果。我们的整体控制思想是分段进行赛道中点的线性拟合。由于我们的前瞻较远所以远处图像有些不可靠，所以使用最远有效点以下的5~10行进行拟合。实验结果是车子能够较好的切内弯，并且在连续弯道上能够稳住车身。缺点是车子控制上不是很稳定，总是太过于切内弯而冲出赛道。于是我们又加入了一条对赛道位置进行积分的控制线对控制进行限制，实验结果较好。