本文分享了作者在智能车比赛中的经验，强调机械结构的重要性，并聚焦于图像处理的关键环节。讨论了阈值设定、形态学处理（如黑点问题的解决）以及标识识别，提出优化策略，旨在提升智能车的控制效果和反应速度。同时，作者展望了智能车未来可能更贴近生活应用的可能性。
(去年十月份,参加了学校的校内赛,,,虽然说最后的成绩不理想, 不过, 嗯, 真的学到了很多~)
一篇写给那些奋斗在智能车,以及图像处理界的同仁们的：(献丑了...)
对于智能车说来, 首先重要的应该是整体的机械的结构的：车的重心位置、舵机中值、车的前轮的两个参数的调节(一般说来, “外八字”有利于车的高速转弯, 也就是说可以在转弯的时候提供更大的转向力; 不过, 这样的代价就是使得轮胎的磨损也比其他的形态要大一些...而相比较之下, “内八字”在直线以及平稳性上边要比“外八字”好, 轮胎的磨损情况也比那种要好,,只是在转弯的事后要费力一些...)等等... “程序决定了你的提高程度, 而机械决定了你的极限程度”...所以强烈建议在前期就将机械方面整理好, 否则后面就不好做了...
回到正题, 这里我想集中关注图像处理方面的问题...我想, 这一方面应该是后面智能车控制的基础了. 一个好的图像有利于控制(当然, 也有牛人可以在图像较差的情况下仍然跑得很好...), 在图像方面, 我想应该有以下几个方面的问题吧：
1)首先就是阈值的问题. 这方面主要取决于摄像头的参数、场地的光照情况（赛道以及地板反光情况）. 这方面, 一般的会采取典型的图像中的截断法去将图像0-1化：超过阈值的为1, 否则为0
最低0.47元/天 解锁文章
654
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
