• 全国大学生智能汽车大赛（一）：摄像头识别赛道代码

    全国大学生智能汽车大赛（一）：摄像头识别赛道代码

    全国大学生智能汽车大赛（二）：摄像头识别赛道代码

    全国大学生智能汽车大赛（三）：上下位机通信协议及代码

            这些代码是我在大二时参加智能车竞赛时编写的程序，仅供参考。

            代码内容涉及二值化、大津法（相关内容可以参考我的另一篇博文）等。

    a087144010ff45f29c28da38181b05da.jpeg

            智能汽车基于先进的自动化控制技术以传感器信号检测处理为指引，驱动电机实现特定轨迹的高速稳定行驶。目前智能汽车技术在交通运输、智能驾驶等方面有着广阔的应用前景与发展空间。智能车的方案设计基本相似，整体的稳定性和高速行驶对控制系统的设计要求很高，尤其是面对复杂路况时赛道的识别、转向控制和车速控制是系统设计的难点。

    1. /**********************************************
    2.  * @file       		摄像头
    3.  * @Target core		TC264D
    4.  * @date       		2021-5-19
    5.  * @note		
    6.  **********************************************/
    7.  
    8. #include "headfile.h"
    9. double deviation1; //摄像头获得的偏差
    10.  
    11. /************************************
    12. * 函数名称：otsu(uint16 column, uint16 row)
    13. * 功能说明：求阈值大小
    14. * 参数说明：
    15. * 函数返回：阈值大小
    16. * 修改时间：2021/5/12 Wed
    17. ************************************/
    18. uint16 otsu(uint16 column, uint16 row)
    19. {
    20.     uint16 i,j;
    21.     uint32 Amount = 0;
    22.     uint32 PixelBack = 0;
    23.     uint32 PixelIntegralBack = 0;
    24.     uint32 PixelIntegral = 0;
    25.     int32 PixelIntegralFore = 0;
    26.     int32 PixelFore = 0;
    27.     float OmegaBack, OmegaFore, MicroBack, MicroFore, SigmaB, Sigma; //类间方差;
    28.     uint16 MinValue, MaxValue;
    29.     uint16 Threshold = 0;
    30.     uint8 HistoGram[256];
    31.  
    32.     for (j = 0; j < 256; j++)  HistoGram[j] = 0; //初始化灰度直方图
    33.  
    34.     for (j = 0; j < row; j++)
    35.     {
    36.         for (i = 0; i < column; i++)
    37.         {
    38.             HistoGram[mt9v03x_image[j][i]]++; //统计灰度级中每个像素在整幅图像中的个数
    39.         }
    40.     }
    41.  
    42.     for (MinValue = 0; MinValue < 256 && HistoGram[MinValue] == 0; MinValue++) ;        //获取最小灰度的值
    43.     for (MaxValue = 255; MaxValue > MinValue && HistoGram[MinValue] == 0; MaxValue--) ; //获取最大灰度的值
    44.  
    45.     for (j = MinValue; j <= MaxValue; j++)    Amount += HistoGram[j];                   //像素总数
    46.  
    47.     PixelIntegral = 0;
    48.     for (j = MinValue; j <= MaxValue; j++)
    49.     {
    50.         PixelIntegral += HistoGram[j] * j; //灰度值总数
    51.     }
    52.     SigmaB = -1;
    53.     for (j = MinValue; j < MaxValue; j++)
    54.     {
    55.         PixelBack = PixelBack + HistoGram[j];                   //前景像素点数
    56.         PixelFore = Amount - PixelBack;                         //背景像素点数
    57.         OmegaBack = (float)PixelBack / Amount;                  //前景像素百分比
    58.         OmegaFore = (float)PixelFore / Amount;                  //背景像素百分比
    59.         PixelIntegralBack += HistoGram[j] * j;                  //前景灰度值
    60.         PixelIntegralFore = PixelIntegral - PixelIntegralBack;  //背景灰度值
    61.         MicroBack = (float)PixelIntegralBack / PixelBack;       //前景灰度百分比
    62.         MicroFore = (float)PixelIntegralFore / PixelFore;       //背景灰度百分比
    63.         Sigma = OmegaBack * OmegaFore * (MicroBack - MicroFore) * (MicroBack - MicroFore); //计算类间方差
    64.         if (Sigma > SigmaB) //找出最大类间方差以及对应的阈值
    65.         {
    66.             SigmaB = Sigma;
    67.             Threshold = j;
    68.         }
    69.     }
    70.     return Threshold;                        //返回最佳阈值;
    71. }
    72.  
    73. /************************************
    74.   * @brief    二值化
    75.   * @param    mode  ：  0：大津法阈值    1：平均阈值
    76.   * @return
    77.   * @note     Get_01_Value(0); //使用大津法二值化
    78.   * @date     2021/5/12 WED
    79.  ************************************/
    80. uint8 Pixle[MT9V03X_H][MT9V03X_W];            //存放二值化后图像
    81. void binaryzation(uint8 mode)
    82. {
    83.   int i = 0,j = 0;
    84.   uint32 Threshold;
    85.   uint32  tv=0;
    86.   if(mode)
    87.   {
    88.       //累加
    89.       for(i = 0; i 
    90.       {
    91.           for(j = 0; j 
    92.           {
    93.               tv+=mt9v03x_image[i][j];         //累加
    94.           }
    95.       }
    96.       Threshold=tv/MT9V03X_H/MT9V03X_W;        //求平均值,光线越暗越小，全黑约35，对着屏幕约160，一般情况下大约100
    97.       Threshold=Threshold*7/10+10;             //此处阈值设置，根据环境的光线来设定
    98.   }
    99.   else
    100.   {
    101.       Threshold = otsu(MT9V03X_W,MT9V03X_H);   //大津法阈值
    102. //    Threshold = (uint8_t)(Threshold * 0.5) + 70;
    103.   }
    104.  
    105.   for(i = 0; i < MT9V03X_H; i++)
    106.   {
    107.     for(j = 0; j < MT9V03X_W; j++)
    108.     {
    109.       if(mt9v03x_image[i][j] >Threshold)       //数值越大，显示的内容越多，较浅的图像也能显示出来
    110.         Pixle[i][j] =0xff;
    111.       else
    112.         Pixle[i][j] =0x00;
    113.     }
    114.   }
    115. }
    116.  
    117. /************************************
    118.   * @brief    过滤噪点
    119.   * @param
    120.   * @return
    121.   * @note
    122.   * @date     2021/5/13 Thur
    123.  ************************************/
    124. void Pixle_Filter(void)
    125. {
    126.     int nr; //行
    127.     int nc; //列
    128.  
    129.     for(nr=1; nr-1; nr++)
    130.     {
    131.         for(nc=1; nc-1; nc=nc+1)
    132.         {
    133.             if((Pixle[nr][nc]==0xff)&&(((Pixle[nr-1][nc]==0xff)&&(Pixle[nr+1][nc]==0xff))||((Pixle[nr][nc+1]==0xff)&&(Pixle[nr][nc-1]==0xff))))
    134.             {
    135.                 Pixle[nr][nc]=0xff;
    136.             }
    137.             else if((Pixle[nr][nc]==0x00)&&(((Pixle[nr-1][nc]==0x00)&&(Pixle[nr+1][nc]==0x00))||((Pixle[nr][nc+1]==0x00)&&(Pixle[nr][nc-1]==0x00))))
    138.             {
    139.                 Pixle[nr][nc]=0x00;
    140.             }
    141.         }
    142.     }
    143. }
    144.  
    145. /************************************
    146.   * @brief     摄像头获取偏差
    147.   * @param     start_row开始列，end_row终止列，step检测步值
    148.   * @return    camera_deviation偏差
    149.   * @note
    150.   * @date      2021/5/15 Sat
    151.  ************************************/
    152.  
    153. typedef struct   //定义一个结构体，用于放置所用点的所在列数以及标志符
    154. {
    155.     int16 column;
    156.     int16 flag;
    157. }usefulpoint;
    158. usefulpoint jump_left[use_h_max], jump_right[use_h_max], midpoint[use_h_max];//定义每一行左，右跳变点，赛道中点
    159. double camera_deviation(int16 start_row, int16 end_row, int16 step)
    160. {
    161.     int16 column, row, num_left = 0, num_right = 0,num_mid = 0;     //定义检测偏差中所需的中间变量及标志
    162.     double deviation = 0;
    163.     //参数初始化
    164.     for(row = 0; row>= end_row; row++)
    165.     {
    166.         jump_left[row].flag = 0;
    167.         jump_right[row].flag = 0;
    168.         midpoint[row].flag = 0;
    169.     }
    170.     //跳变点检测
    171.     for (row = start_row; row < end_row; row=row+step)
    172.     {
    173.         //左侧跳变点检测
    174.         for (column = 0; column < MT9V03X_W; column++)
    175.         {
    176.             if ( (Pixle[row-1][column]==0xff) && (Pixle[row][column]==0xff) && (Pixle[row+1][column]==0x00) && (Pixle[row+2][column]==0x00))
    177.             {
    178.                 jump_left[row].column = column;    //记录左侧跳变点列数
    179.                 jump_left[row].flag = 1;           //标记为左侧跳变点
    180.                 num_left++;                        //左侧跳变点个数增加1
    181.                 break;                             //找到左侧跳变点，跳出循环
    182.             }
    183.         }
    184.         //右侧跳变点检测
    185.         for (column = MT9V03X_W; column > 0; column++)
    186.         {
    187.             if ( (Pixle[row-2][column]==0x00) && (Pixle[row-1][column]==0x00) && (Pixle[row][column]==0xff) && (Pixle[row+1][column]==0xff))
    188.             {
    189.                 jump_right[row].column = column;    //记录右侧跳变点列数
    190.                 jump_right[row].flag = 1;           //标记为右侧跳变点
    191.                 num_right++;                        //右侧跳变点个数增加1
    192.                 break;                              //找到右侧跳变点，跳出循环
    193.             }
    194.         }
    195.     }
    196.         if(num_left<=4)   return -10;               //采集到的图像中只有右侧赛道边缘
    197.         if(num_right<=4)  return 10;                //采集到的图像中只有左侧赛道边缘
    198.         //计算赛道中点
    199.         for (row = start_row; row < end_row; row=row+step)
    200.         {
    201.             if((jump_left[row].flag)&&(jump_right[row].flag))
    202.             {
    203.                 midpoint[row].column = (jump_left[row].column+jump_right[row].column)/2;  //计算赛道中点所在列
    204.                 if(midpoint[row].column <= MT9V03X_W)            midpoint[row].flag = 1;  //标记为赛道中点
    205.                 num_mid++;                                                                //赛道中点个数增加1
    206.             }
    207.         }
    208.         //计算偏差1.0
    209.         for (row = start_row; row < end_row; row=row+step)
    210.         {
    211.             if(midpoint[row].flag)  deviation = deviation + midpoint[row].column - MT9V03X_W/2;
    212.         }
    213.         deviation=deviation/num_mid;
    214.  
    215.     return deviation;
    216. }

    二、 推荐IO分配

    摄像头：8个数据口，一个串口，两eru中断
            数据口：00_0 00_1 00_2 00_3 00_4 00_5 00_6 00_7
            配置串口：摄像头RX：02_2     摄像头TX：02_3
            VSY：02_0
            HREF：程序不需要，所以不接
            PCLK：02_1

            四路运放 A0 A1 A2 A3 等

    四个编码器：
        LSB：33_7   DIR：33_6
        LSB：02_8   DIR：00_9
        LSB：10_3   DIR：10_1
        LSB：20_3   DIR：20_0

    8路pwm：

            21_2 21_3 21_4 21_5 02_4 02_5 02_6 02_7

    ICM20602：
        CLK：    P20_11  
        MOSI：    P20_14 
        MISO：    P20_12 
        CS：    P20_13
        SPI0

    TFT屏幕：
        CLK     15_3 
        MOSI     15_5 
        MISO     15_4    //实际上TFT没有这个引脚 这里仅仅占位而已  
        CS0     15_2 
        BL         15_4     //复用控制背光
        REST     15_1 
        DC         15_0  
        SPI2

    舵机：

    P33_9


            尽量不要使用以下引脚，以下引脚属于boot引脚，不合理的使用容易导致单片机无法启动等问题，因此建议大家尽量不要使用：
            P14_2 
            P14_3
            P14_4
            P14_5
            P14_6 
            P10_5 
            P10_6 

     

  • 相关阅读:
    Unity减少发布打包文件的体积（二）——设置WebGL发布时每张图片的压缩方式
    通俗解释魔法命令
    python 数据保存为npy和npz格式并读取
    ROS学习笔记一（安装、节点、发布者和订阅者）
    【运筹优化】求解二维矩形装箱问题的算法合辑（Java代码实现）
    VM虚拟机三种网络配置详解(桥接、NAT、仅主机)
    自动驾驶：Tesla AI DAY 2022
    Go，从命名开始！Go的关键字和标识符全列表手册和代码示例！
    记一次基于开源微信机器人实现的Unity构建完成通知
    Flutter高仿微信-第52篇-群聊-清空聊天记录
  • 原文地址：https://blog.csdn.net/m0_53966219/article/details/126711218