基于霍夫变换的灰度离散数据直线检测技术

《基于霍夫变换的灰度离散数据直线检测技术》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于霍夫变换的灰度离散数据直线检测技术摘要：本文以飞思卡尔智能车比赛为背景，利用摄像头作为传感器件获得赛道信息并得到赛道的灰度图像，然后利用霍夫变换将灰度离散数据变换到霍夫空间得到赛道引导线的信息，为智能车控制提供控制量。关键词:飞思卡尔摄像头霍夫变换直线检测0引言在飞思卡尔智能车竞赛中，比赛赛道是由两条黑色边缘线构成的如图1，赛道背景比较简单，对于采用摄像头作为传感器的智能小车如果我们能够准确检测出黑线情况就可以更好的对小车进行控制。这里我们采用霍夫（Hough）变换[1]对摄像头得到的灰度图像进行直线检测，得到了比较好的效果。图1赛道1Hough变换原理Hough变换的基本思想是将图像

2、空间变换到Hough（参数）空间，用图像中大多数点描述Hough空间中的某种参数形式来描述图像空间中的线，通过设置累加器进行记忆，求的峰值对应点的信息。Hough的最大优点是将图像空间中的较难的全局最优问题转化为Hough空间中相对较简单的峰值问题。yxb0bm1962年，PaulHough提出利用数学对偶原理提出了检测图像空间直线的新方法，该方法经过众多学者的研究发展取得的比较好的应用效果，目前Hough主要应用于二值图像空间中的直线检测。k0imagespaceHoughspace图2imagespace与Houghspace图3直角空间与Hough空间直角空间中的一条直线对应Houg

3、h空间中的一个点（m0,b0），见图2，如图3所示，平面直角坐标系当中直线L0的表达式为：（1）式（1）当中k为直线斜率，b为直线的截距，直角坐标系中直线L0上不同的点变换到Hough空间中为不同直线的交点。即Hough空间中两条线的交点(k0,b0)用来表示过点(x1,y1)和点(x2,y2)的直线。可见，如果能够找到Hough空间中的点P就能确定图像空间中的一条直线。这样图像空间中检测直线问题就转化为Hough空间中点的检测问题。这样的话存在一个问题是Hough空间中表示不出垂直线，因为垂直线的斜率为无穷大。不过我们可以采用将直角坐标与极坐标的变换关系找到直线方程的参数方程，对于图像空

4、间中的直线，其极坐标方程为[2]：（2）图4极坐标形式如图4所示，r为原点到直线的距离，为r与横轴的夹角。R与共同决定的直线在平面中的位置。这样这样经过Hough变换，图像空间中的每个点(x,y)就被映射为一个(r,θ)空间中的正弦曲线，而图像空间中共线的点所对应的(r,θ)空间中正弦曲线相交于一点。把在图像空间中检测直线的问题转化为在极坐标参数空间中找通过点(r,θ)的最多正弦曲线数的问题。2Hough变换的实现步骤由于摄像头采集到都是二维离散数据，因此我们可以利用Hough变换的性质，按下列步骤实现：（1）根据实际情况将r、进行离散化；（2）根据r、的离散情况将参数空间分为a×b个单元

5、，其中a为r的离散份数，b为的离散份数，并给每个r、设置累加器ADD(i，j)；（3）将累加器ADD(I,j)初始值置零；（4）将图像空间中的离散值（x,y）带入式（2）中，并根据离散的值计算出r;（5）利用累加器记录相应的值对应的r出现的次数;（6）当所有的离散点都经过以上步骤时，根据累加器找到出现最多次数r对应的及r;通过以上步骤，我们实现了图像空间到Hough空间的变换。3Hough变换在摄像头智能小车上的实现我们以MC9XS128为主控器通过OV7620摄像头采集数据，并利用边缘检测算法实现黑线的提取得到图像空间的二位离散数据，然后通过Hough变换实现直线的检测并得到直线的（r、

6、），从而获得智能车的控制参量对智能车实现更加准确的控制。我们通过串口通信利用Labview做上位机得到经过MC9XS128处理后的图像。下图5为经过Hough变换检测得到的直线图像。可见通过霍夫变换我们可以很容易得到跑道赛道线的斜率以及截距，这为我们对智能车的控制带来的极大的方便。霍夫变换检测直线4结束语对于赛道出现的弯道情况，Hough检测出的为曲线的切线，仍然能够很好的反应出赛道的变化情况。我们将Hough变换应用到摄像头智能车的控制当中，比较方便的得到了赛道的变化情况以及智能车的控制参数，通过实践我们发现这种应用极大的提高了智能小车的运行效率与控制精度。参考文献：1唐佳林王镇波张鑫鑫

7、基于霍夫变换的直线检测技术科技信息2曾接贤王斌斌陈志良基于距离约束的随机Hough变换直线检测算法南昌航空大学学报2011年9月