基于OMAP3530平臺的車道線識別檢測的實(shí)現(xiàn)

　　引言

　　本文采用ARM+DSP雙核架構(gòu)的OMAP3530系列的處理器，道路圖像處理部分由支持浮點(diǎn)運(yùn)算的DSP核來完成，圖像采集工作和系統(tǒng)的控制工作由ARM核來完成，這樣的作業(yè)分配提高了系統(tǒng)的實(shí)時性、集成性和可靠性。

　　車道線識別算法研究

　　本文提出的車道線識別算法的流程如下圖1所示，首先通過OV7670攝像頭捕獲道路圖像，然后按照流程圖中的步驟處理圖像，最后得到清晰的車道標(biāo)志線，為以后智能車輛路徑規(guī)劃和避障提供支持。

　　道路圖像灰度化

　　圖像灰度變換是對圖像像素進(jìn)行拉伸，從而擴(kuò)大圖像的灰度級范圍，進(jìn)一步擴(kuò)展圖像的對比度、增加圖像的動態(tài)范圍、使圖像更加清晰、特征更加明顯，是圖像增強(qiáng)的有效手段。我們采集到的道路圖像是彩色圖像，顏色模型采用RGB模型。由于人眼對顏色的敏感度不同，等量的紅、藍(lán)、綠混合不能得到對應(yīng)亮度相同的灰度值，大量的實(shí)驗(yàn)數(shù)據(jù)表明，當(dāng)使用0.3份紅色、0.59份綠色、0.11份藍(lán)色混合后可以得到最合理的灰度圖像，即如公式(1)所示：

　　灰度值=0.3R+0.59G+0.11B(1)

　　根據(jù)公式(1)就可以算出當(dāng)前像素對應(yīng)的灰度值，將其作為圖像中彩色像素對應(yīng)的灰度值。

　　道路圖像濾波

　　原始圖像都或多或少的存在噪聲干擾，噪聲影響了后續(xù)圖像的分析。這就要求在分析圖像之前對圖像進(jìn)行濾波，去除噪聲和假輪廓，圖像濾波的過程就是讓圖像的低頻成分通過，阻止屬于高頻部分中的噪聲信號，也就是平時所說的低通濾波。但是在圖像平滑過程中也阻止了高頻部分的圖像邊緣，使得圖像邊緣模糊化。所以應(yīng)找到能消除噪聲，同時盡量保持圖像細(xì)節(jié)，邊緣輪廓的算法，又要保證智能車輛視覺導(dǎo)航系統(tǒng)對實(shí)時性的要求。中值濾波能夠在抑制高頻信號中的隨機(jī)噪聲的同時不使邊緣模糊，可以抑制隨機(jī)的點(diǎn)狀噪聲，抑制持續(xù)期小于1/2窗口的脈沖信號，但不影響斜坡信號和階躍信號，能夠削弱三角信號中的頂部峰值信號，因而受到歡迎，它屬于非線性濾波。

　　中值濾波是將鄰域中的像素按灰度級排序，取其中間值為輸出像素。中值計算過程中使用到的像素數(shù)和鄰域的空間范圍影響到中值濾波的效果。本文采用3×3方形中值濾波模板對圖像進(jìn)行預(yù)處理既能取得較好的濾波效果，又能節(jié)省運(yùn)算時間。

　　圖像邊緣增強(qiáng)

　　在車輛視覺導(dǎo)航系統(tǒng)中，道路邊緣信息可以提供路徑保持和路徑跟蹤的位置信息，是實(shí)現(xiàn)車輛自主導(dǎo)航功能不可或缺的。邊緣增強(qiáng)的目的在于突出道路的邊緣信息，以利于道路車道線的識別，有助于克服道路光照不均的影響。我們對濾波后的圖像從水平和垂直兩個方向進(jìn)行邊緣增強(qiáng)，可以得到非常好的效果。

　　圖像邊緣檢測

　　在圖像的多目標(biāo)檢測和識別技術(shù)中，邊緣檢測作為一種預(yù)處理算法在機(jī)器視覺技術(shù)中占有重要地位。邊緣檢測的算法很多，參考各種算法的優(yōu)缺點(diǎn)，并結(jié)合道路檢測的復(fù)雜性，我們這里選用Sobel算子。

　　Sobel邊緣算子是一種一階差分算子。它可以有效地消除道路圖像中的大部分無用信息。它可以有效的抑制圖像中的噪聲，它的計算量比較小，容易實(shí)現(xiàn)，對于實(shí)時性要求比較高的系統(tǒng)，該算法有很大的優(yōu)勢。

　　車道標(biāo)志線提取

　　本文重點(diǎn)討論道路區(qū)域車道線的提取。日常生活中最常見的路面邊界是直線，車輛主要也是在直線路面上行駛的。平時見到的直線路面邊界是成一定角度的兩條直線，根據(jù)三維空間點(diǎn)投影到二維平面的特點(diǎn)，直線路面邊界在二維平面上形成兩條相交的直線，直線路面邊緣提取算法如下：

　　(1)根據(jù)二維直線路面的實(shí)際情況，建立X-Y坐標(biāo)系，并給出恰當(dāng)?shù)穆访孢吘壗馕龇匠獭?/p>

　　(2)根據(jù)圖像的特點(diǎn)，取一組合理的ρ、θ范圍和步長，設(shè)置累加器為零。將圖像的解析方程轉(zhuǎn)化成極坐標(biāo)下的形式，即ρ=xcosθ+ysinθ，如圖2所示，ρ為原點(diǎn)到直線垂直距離，θ為X軸與垂線之間的夾角。

　　(3)對梯度圖上超過門限值的每個點(diǎn)作Hough變換，并對相應(yīng)的累加器加1.

　　(4)找出累加器A(ρ，θ)上的極大值ρM、θM.通過這兩個值可以找出圖像中極有可能的邊界。

　　(5)去除干擾。根據(jù)三維物體在攝像機(jī)上成像的特點(diǎn)，三維空間中平行的路面邊緣在二維平面形成兩條成一定角度的相交直線，如圖3中虛線所示。但由于路面噪聲的影響，在累加器A(ρ，θ)上的極大值ρM、θM周圍存在多個較大值，它們在X-Y軸上對應(yīng)的直線如圖3中兩條實(shí)線所示，顯然這不是要求的邊緣，所以將累加器ρM、θM周圍點(diǎn)置0.

　　(6)找出累加器A(ρ，θ)上次大值ρM、θM.A(ρ，θ)上的次大值對應(yīng)圖像中路面的另一條邊界。

　　(7)得到相應(yīng)的X-Y上對應(yīng)直線方程。進(jìn)一步可以得到：b=-ρ/sinθ，k=ctgθ通過這兩個方程式得到ρ、θ值之后，可以求得相應(yīng)的k、b值。

　　由于圖像的連續(xù)性，圖像序列中車道線的位置不會發(fā)生突變，我們在識別一幀圖像的車道線時是以上一幀的識別結(jié)果為依據(jù)，動態(tài)地規(guī)劃搜索區(qū)域，動態(tài)地規(guī)劃Hough變化的ρ和θ值，這樣就減少了計算量，提高了算法的實(shí)時性，也可提高可靠性。