1）生成ROI图像：图像大小为720×1280p，相机垂直视场角θv=30°，其位置离地GZC = -0.86m，综合考虑机器人移动速度及识别效率，视线Z远处到相机的水平距离取YC = 15m，带入公式（1）得，h = 0.393h0，因此ROI区域的G度为0.607h0到h0，宽度不变（图 3.1（b））。

2）生成灰度二值图：经过灰度化、中值滤波等处理后，选择权重系数graycoe=0.4，根据公式（2）计算分块子图像的灰度阈值，二值化结果如图 3.1（f）。

3）生成组合二值图：使用sobel算子提取车道线特征，并二值化处理，再与图 3.1（f）做位与运算，除去噪声，效果如图 3.1（i）所示。

4）生成车道线特征图：使用Hough变换提取图像中直线特征，并对两侧车道线求均值得到中心线，得到图 3.1（k）中的车道线特征图。

5）相机位姿和道路宽度求解：在逆透视变换图 3.1（l）中，取道路中心线两端点，并根据式（3）-（7）得到相机姿态角θcam 和偏距dcam，及道路宽度wroad。

基于原始RGB图像得到的机器人姿态及道路宽度信息，并在RVIZ中将结果可视化，图 3.2展示了同时刻的机器人及道路状态信息，与室内廊道情况相似，构造规划地图模型，其中红色虚线部分表示视觉盲区。

图 3.3（a）展示了室外道路宽度测算结果，均值4.2m，Z大偏差0.3m，图 3.3（b）为机器人位姿变化曲线图。整个曲线变化平滑，与机器人运动规律相符。故，实验结果验证了室外道路建模方法正确且可行，并具有良好的稳定性和精度。

上述对障碍物、室内廊道、室外道路建模实验的测试结果，基于ZED-TX2平台能够实时采集环境数据并生成轻量J地图模型，验证了第二章节中环境建模理论的正确性及可行性，为机器人运动规划提供了基础。