无人机飞行图像处理（matlab杯）感想

        开始时觉得图像处理没什么难度，无非就是RGB转化成HSV，设置阈值，进行二值化，然后进行边缘检测，再利用得到的矩阵进行计算得到偏移量或者偏航角。但事实上，当开始进行初赛作品的设计的时候就出现了很大的问题。

        首先存在的问题是，要利用simulink来进行搭建，而我们对于simulink没有一点基础，所幸其中有matlab函数供我们使用。

        首先数字图像处理部分提供的是RGB三条通道，所以第一步就是将RGB三条通道合成，进行颜色模型的转化，利用matlab所带的app进行代码的自动生成，这样第一步的二值化就完成了。

        其次，要进行边缘的检测，这里由于赛道使用的是直线，所以，我们的想法是拉出canny检测模块，再将输出进行Hough变换，得到三个输出变量，再进行linehough的检测，最终调试出最理想的直线，从而得到误差较小的偏航角，作为控制模块的输入。

        这里我们遇到了第一个问题，就是就是输入和输出的问题，其中会出现矩阵维度大小的问题，可以通过matlab设置解决，这里linehough检测的效果不太理想，所以重新写代码，而且调用这些函数会影响运行速度，特别是当在实体无人机上运行的时候。

道路边界的检测：

        利用逐行扫描的形式进行，由于进行了二值化处理，图像中会出现0，1分布，这样，道路边界就处于0，1边界上，可以根据这个特点来进行边界的判定。同时考虑到摄像头的精度以及二值化处理的精度，我们可以允许一定的像素点漂移，这个可以根据实际的效果和图像大小进行设置，即在直道时，可能由于像素点的偏移，会出现以下这种情况：

...00000000011111110000000...

...00000000011111110000000...

...00000000111111100000000...

...00000000011111110000000...

...00000000011111110000000...

这样仍可以定义为90°的直线。

      情况①：双边轨道   这样根据像素点的0，1判断就可以检测处左右轨道边界。

      情况②：单边轨道，处于拐角的地方，这样只可以检测到其中一条边界，可以加一个判断，将没有检测到的边界定义成图像的边界。

      情况③：出现特殊赛道，如环形，十字等等，这根据赛道实际的运行特点进行设计。

        对于检测到的左右边界，可以进行平均求解处赛道的中心，这样可以先在静态图中进行调试，选择最合适的参数。

偏航角的求解：

        根据图像大小以及赛道拐角的大小进行超前检测，这里超前检测根据实际调整。这样可以得到一段赛道的信息，以图象中心作为基点，根据像素点的偏移，利用加权平均的方法求解出偏移角度（根据实际的图像放大缩小比例），由于无人机图像是垂直向下的，无变形情况，所以可以直接取平均，这样可以减小误差。将图像中心作为基点的好处时，当无人机由于拐角偏离轨道时，仍然可以调整回轨道上。

        这样数字图像处理部分的基本思路已经解决，这个基本可以解决百分之八十的赛道问题，具体的特殊赛道还要根据赛道的特点，已经实际赛道要求特点进行条件判定或者约束。