1.一种基于改进Sobel算子的智能车行驶控制系统，其特征在于，该系统包括：

图像采集模块，通过摄像头采集并提取包含赛道的灰度图像；

图像处理模块，用以从摄像头采集的灰度图像中提取有效赛道边缘并采用全连接神经网络进行赛道类型的判断，具体为：将所述灰度图像与改进Sobel算子作平面卷积，得到梯度图像，然后对所述梯度图像先后进行池化，二值化，得到二值化图像，对所述二值化图像依次进行噪点及短线条剔除、寻找有效赛道边缘、进行赛道类型的判断；所述改进Sobel算子为： 所述图像处理模块中池化的区域大小为4*4像素矩阵，所述梯度图像为像素80*60的赛道原始图像，所述梯度图像进行池化后得到像素为20*15的图像，进行赛道类型的判断时，将有效赛道边缘作为全连接神经网络的输入，将输入层神经元数量设置为300，中间层神经元数量设置为40，输出层神经元数量设为5，5个输出层神经元分别代表直道、左弯道、右弯道、十字、圆环五种赛道类型；

控制信息转化模块，用以根据寻找到的有效赛道边缘和赛道类型判断结果确定智能车前进方向与正确路线之间的偏移量，根据偏移量的大小和赛道类型，用PD控制器得到舵机对应的pwm值，用PID控制器得到直流电机对应的pwm值；

执行模块，用以根据控制信息转化模块给出的舵机的pwm值和直流电机的pwm值，分别控制舵机和直流电机转动，使小车按正确的方向行驶。

2.如权利要求1所述的一种基于改进Sobel算子的智能车行驶控制系统，其特征在于，所述摄像头为黑白摄像头，采集并提取的原始图像即为灰度图像。

3.如权利要求1或2所述的一种基于改进Sobel算子的智能车行驶控制系统，其特征在于，所述图像采集模块采用DMA方式采集包含赛道的灰度图像。

4.如权利要求1或2所述 的一种基于改进Sobel算子的智能车行驶控制系统，其特征在于，所述图像处理模块通过模板匹配法剔除噪点及短线条，具体为：将二值化后图像中黑色像素点逐个与3*3模板矩阵进行卷积操作，每次操作中，若结果为0，则剔除该黑色像素点，否则继续与5*5模板矩阵进行卷积操作，若结果为0，则剔除5*5模板矩阵邻域内所有黑色像素点，否则继续与7*7模板矩阵进行卷积操作，若结果为0，则剔除7*7模板矩阵邻域内所有黑色像素点，否则保留7*7模板矩阵邻域内所有黑色像素点，所述3*3模板矩阵、5*5模板矩阵、7*7模板矩阵的形式均为：矩阵首行、首列及尾行、尾列元素为1，其余元素为0。

5.一种基于改进Sobel算子的智能车行驶控制方法，其特征在于，该方法包括以下步骤：

步骤一：通过摄像头以DMA方式采集并提取包含赛道的原始图像；

步骤二：将原始图像与改进Sobel算子作平面卷积运算，得到梯度图像，所述梯度图像为像素80*60的赛道原始图像，所述改进Sobel算子为：步骤三：对所述梯度图像先后进行池化，二值化，得到二值化图像，所述池化的区域为

4*4像素矩阵，所述梯度图像进行池化后得到像素为20*15的图像；

步骤四：剔除所述二值化图像中的噪点及短线条，寻找有效赛道边缘并运用全连接神经网络进行赛道类型的判断，进行赛道类型的判断时，将有效赛道边缘作为全连接神经网络的输入，将输入层神经元数量设置为300，中间层神经元数量设置为40，输出层神经元数量设为5，5个输出层神经元分别代表直道、左弯道、右弯道、十字、圆环五种赛道类型；

步骤五：根据寻找到的有效赛道边缘和赛道类型判断结果确定智能车前进方向与正确路线之间的偏移量，根据偏移量的大小，用PD控制器得到舵机对应的pwm值，用PID控制器得到直流电机对应的pwm值；

步骤六：根据控制信息转化模块给出的舵机的pwm值和直流电机的pwm值，分别控制舵机和直流电机转动，使小车按正确的方向行驶。

6.根据权利要求5所述的基于改进Sobel算子的智能车行驶控制方法，其特征在于，所述步骤四中通过模板匹配法剔除噪点及短线条的具体内容为：将二值化后图像中黑色像素点逐个与3*3模板矩阵进行卷积操作，每次操作中，若结果为0，则剔除该黑色像素点，否则继续与5*5模板矩阵进行卷积操作，若结果为0，则剔除5*5模板矩阵邻域内所有黑色像素点，否则继续与7*7模板矩阵进行卷积操作，若结果为0，则剔除7*7模板矩阵邻域内所有黑色像素点，否则保留7*7模板矩阵邻域内所有黑色像素点，所述3*3模板矩阵、5*5模板矩阵、

7*7模板矩阵的形式均为：矩阵首行、首列及尾行、尾列元素为1，其余元素为0。

7.根据权利要求5或6所述的基于改进Sobel算子的智能车行驶控制方法，其特征在于，所述步骤一中，当摄像头为彩色摄像头时，采集并提取的原始图像为彩色图像，则按照如下方式将彩色图像转化为灰度图像：通过公式Y＝0.299R+0.587G+0.114B将彩色图像转化为灰度图像，其中R、G、B分别代表彩色图像中红色、绿色、蓝色三个通道的颜色，Y为转换后灰度图像。