前言 前两篇文章介绍了扫线和图像预处理,而当图像的边界线出来之后,还需要通过边界线来找到一些特征。比如断行,拐点。这一章介绍一些元素处理的预备节根据拐点补线。 一、拐点 拐点就是边界线开始不按照正常斜率的那一点,比如十字,圆环等处发生边界断行,这时候断行的那一点我们称为拐点。识别拐点的方法有很多,这里介绍我用过的几种方法。 1.通过边界线连续
前言 前面写了图像的预处理,包括图像压缩,和大津法,这一章介绍图像边界提取。这里我的算法是基于逐飞开源的灰度图算法写的,但也在上面改进了许多,使得边界的搜取不会出现丢边。 一、灰度边界提取的原理 在我们获取摄像头的数据后,返回回来的是0-255的灰度值。就是时候每一副图都是有许多个值在0-255范围的像素点构成。而比赛时,赛道和赛道背景存
前言:算法开源已经开始第一章信号的预处理 这一章更新下麦轮的驱动方案,使用过CH32的同学都知道,这款单片机的定时器很少,所以推荐的方案中都是采用DRV8701方案来解决一个PWM口控制一路电机,实现电机的正反转。对于以往智能车常用的HIP4082驱动方案都避之不谈,实际上,对于HIP4082也是可以采用相同的控制方法,只是需要在程序上更改一下就行。通常使用DRV8701驱
晚上闲来无事,便仔细阅读了上交大的开源代码讲解,在其中一篇文章中得到了一个很好的元素处理方法,思来想去觉得算法可行性应该可以,便记录下来。 在开源讲解的第四篇中,他们提出了单独左(右)边线进行跟踪从而得出中线的方式。觉得该方法可以使用在一些特殊的元素中。下面给出我自己的一些想法,思路或许不完整,如有错误,希望各位能够指出。 我们对赛道进行普通的巡线时,先是往左扫线,得出左边赛道的边界,后对右边
系列文章目录 之前也把自己做的全向所有电路都开源了,内容也包含完整的原理图PDF,想了解的可以看看往期博客。 硬件开源第一章 硬件开源第二章 前言 算法开源系列估计会比较多,自己做车大概是电磁和摄像头两种方案都用过。但随着这几年的规则改变,智能车也不像前几年那样按照传感器分类了。随着大佬们不断的刷新智能车的车速极限,新手们想或许可以通过多传感器融合的方法,去尽快的实现车的完
题外话:在比赛前看过很多篇国赛技术报告,一些强校在处理图像时都会简单讲解四邻域,八领域,种子填充法,博主作为一个第一年做车的小白,当时觉得这些算法十分的高级,虽然也想在巡线方面用到这些算法,但奈何当时自己的能力有限,且比赛留给我学习这些算法的时间太短,所以在比赛时就决定放弃这些,选择了另外的算法,虽然可以实现巡线目的,但内心还是对强校算法十分的好奇,最近在看完16届智能车的技术报告后,觉得对于一些
(一)电磁处理 在此次智能车竞赛中,我选择了摄像头为主,电磁简单辅助路径规划,帮助车身在出弯后能快速回正,只不过后来因为赛场电磁线原因,关闭了电磁辅助,采用了纯摄像头循迹。 关于电磁循迹,我并没有使用归一化,只是简单的差比和处理 Diangan dg; void Read_ADC() { int16 i,j,temp; static int16 value_temp[5][5
在我们得到一张稳定的二值化图像后,就可以对图像进行一些寻线的处理,在这里简单提一下,那就是图像第一行所在的位置,作为初学者的我刚开始就曾搞错,摄像头第一行所在的位置取决于你摄像头是正装还是反装,如果是正装那么对应远离车身所对应的是第一行,靠近的为最大行。反装则相反,但是还需注意的是正装和反装所对应的左右行数也是不同的,在存放左右边界时需要注意,两者是相反的。关于摄像头是如何放置的问题,其实两者并没
十六届智能车全向组硬件开源 前言:算法开源已经开始 第一章信号的预处理第二章边界的提取 写在前面: 我是一个做了三年智能车比赛的本科学生,也是挺菜鸡的一个。国奖也只有一个一等一个二等,和一个划水的三等。说来也挺可惜的,本来今年全向组也是可以拿国一的,结果赛前被前面的强校打击到了。只敢比赛前几分钟把速度降了下来,只希望完赛,给自己三年的做车生涯画一个不完整的句号吧。说实在的,今年的形式可惜的肯定不是
博主使用的逐飞家的总钻风摄像头,这是一款灰度摄像头,配合逐飞的底层库,可以很快的上手。在我当时拿到总钻风的第一时间,就用逐飞的底层库,配合tft显示屏,显示简单的图像,虽然简单,当时的心情其实还是很激动的。 而这时,我们显示的,其实就是一张灰度图像。我的是120*188的灰度图像,例如: 针对这些灰度图像,我们需要对它进行阈值处理以便之后的赛道信息提取。 首先,我们得知道,我们所得到了这
0.背景 在自动/辅助驾驶中,车道线的检测非常重要。在前视摄像头拍摄的图像中,由于透视效应的存在,本来平行的事物,在图像中确实相交的。而IPM变换就是消除这种透视效应,所以也叫逆透视。 而我们需要认识的变换主要分为三类透视变换、仿射变换、单应性变换: 透视变换:不能保证物体形状的“平行性”。仿射变换是透视变换的特殊形式。透视变换是将一个平面投影到另一个平面,简单理解就是把一张图片投影到另一
最小二乘法: 最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最 小,简单来说,就是通过最小化误差的平方和,使得拟合对象无限接近目标对象,这就是最小二乘的核心思想。最小二乘法还可用于曲线拟合。 在此先列举一下最小二乘家族成员。最小二乘法直线拟合,最小二乘法多项式
1PID控制算法 什么是PID PID 控制器以各种形式使用超过了 1 世纪,广泛应用在机械设备、气动设备 和电子设备.在工业应用中PID及其衍生算法是应用最广泛的算法之一,是当之无愧的万能算法 PID 实指“比例 proportional”、“积分 integral”、“微分 derivative”,这三项构 成 PID 基本要素。每一项完成不同任务,对系统功能产生不同的影响。它的结构简单,参数
第十五届全国大学生智能汽车竞赛各分赛区国赛获奖信息 1.东北赛区 (1) 基础四轮组 (2) 双车接力组 (3) 直立节能组 (4) 声音信标组 (5) AI电磁组 2.华北赛区 (1) 基础四轮组 (2) 双车接力组 (3) 直立节能组 (4) 声音信标组 (5)
前言 上一节教程地址:室外光电仿真教程一 参考教程地址:https://www.guyuehome.com/6463 参考项目地址:点个star呗,都是免费教程 关于运动控制器 官方车模关节名字不同,你其实只需要把我的racecar包里面的racecar_control文件夹拷到你新建的工程下即可,然后修改一下画框内容适配官方车模: gedit ~/smartcar_ws/src/racecar_
电机作为整辆车动力的核心,其工作是否正常是整个智能车系统的关键。如果电机驱动这部分硬件电路处理的不好,甚至输出参数十分玄学,那么在软件层面无论使用再好的速度决策,再先进的控制算法都将收效甚微,硬件的差距始终是难以从算法上得到弥补的。 在介绍电机驱动之前,不妨先看看这个问题:我们为什么需要电机驱动? 知识补充1:主控对于智能车速度层面的控制,归根结底是对于电机的控制,电机的转速直接决定车的速度,而
本文主讲智能车舵机开关电源供电电路,器件购买链接在文末附上,喜欢记得点赞哦~ 在开始文章对于开关电源芯片的介绍之前,先让我们认识一个我花了半年时间去伺候的祖宗: 不要靠近它,会变得不幸(并破产qwq) 这就是大名鼎鼎的SD-5升级版,智能车比赛中越野车模的指定舵机。 要知道,电磁越野的L车模可是正经RC车模的血统,是K车模被砍掉后整个比赛中最大的车 曾经的王者 车模越大越重,惯性
车赛的硬件设计是很有灵性,并且成体系的东西,才不用像老师讲课那样子一个知识点一个知识点去抠。我当时学这些东西就是像背乘法口诀那样子的,所以即使现在回想起当时学长们让我们去学芯片的日子,那种头秃的感觉还是挥之不去的阴影。 邦哥:btn7960是一个集成了一片NMOS与一片PMOS和相应mos驱动以及死区控制电路的半桥驱动器,他能最大支持超过40A的电流输出,并且在片内集成了配套的过热,过流,过
0.序 今天是2021年8月7日,智能车山东赛区的比赛已经结束一周多的时间了。本身实验室的安排是休息一晚就投入到电赛的准备之中,不过组委会很奇妙的在开赛前一天下发了比赛延迟的通知,这也让我们突然有了一段挺长的空窗期。因为一些原因,我没有留在学校继续准备电赛,而是向老师申请后便回家了,也正好趁这个机会,可以让我把这大半年中所踩过的坑、获得的经验进行一个汇总,让以后的车赛人可以少走弯路,站在巨人的肩膀
坦言,在出发前,在踏入赛场前乃至比赛结束的那一刻,我都没有想到,我们会以未完赛的姿态退出赛场,出乎我们的意料,也辜负了老师的信任。我们两个已然大三了,应该也是最后一次的参加智能车赛了,这样的成绩不能不说遗憾。 第十六届的AuTop,以未完赛告终,又或者,因祸得福?给我们空余的时间来开源公开方案代码,可能会比拿到那五十个国赛名额之一,更有意义,以一种不同于Boom、赛博它们那样优异成绩方式,以一种
全国大学生智能车竞赛知识经验汇总
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信