0 引言

    高級(jí)駕駛輔助系統(tǒng)（ADAS）已成為當(dāng)前世界交通領(lǐng)域的研究熱點(diǎn)之一，基于視覺(jué)的車(chē)道線(xiàn)檢測(cè)技術(shù)是高級(jí)駕駛輔助系統(tǒng)的重要部分。

    針對(duì)車(chē)道線(xiàn)檢測(cè)的實(shí)時(shí)性，本文在低成本高性能DSP處理器TMS320DM6437平臺(tái)上，通過(guò)兩級(jí)Hough變換進(jìn)行車(chē)道線(xiàn)的檢測(cè)然后利用視頻幀與幀之間的相關(guān)性對(duì)車(chē)道線(xiàn)進(jìn)行跟蹤。將算法移植后，根據(jù)DSP的特點(diǎn)，對(duì)算法在數(shù)據(jù)處理、算法結(jié)構(gòu)以及流程等方面再次進(jìn)行優(yōu)化。

1 硬件結(jié)構(gòu)

    TMS320DM6437是TI公司的32位定點(diǎn)DSP達(dá)芬奇技術(shù)的處理器，主頻最高可達(dá)700 MHz，具有32 bit、256 MB尋址空間的DDR2存儲(chǔ)器接口和8 bit、64 MB尋址空間的異步存儲(chǔ)器接口， 片上集成了視頻處理子系統(tǒng)VPSS，支持汽車(chē)上用于電子設(shè)備通信的CAN總線(xiàn)，因此TMS320DM6437非常適合車(chē)載視頻設(shè)備的開(kāi)發(fā)應(yīng)用^[1]。系統(tǒng)所用板卡結(jié)構(gòu)圖如圖1所示。

    硬件系統(tǒng)主要組成部分有：視頻輸入模塊、外圍存儲(chǔ)模塊、視頻輸出模塊、通信接口和電源。

    視頻輸入模塊：系統(tǒng)采用的是TVP5146視頻解碼芯片，該芯片對(duì)CCD鏡頭采集來(lái)視頻信息進(jìn)行模數(shù)轉(zhuǎn)換以及編碼后送到TMS320DM6437進(jìn)行處理。

    外圍存儲(chǔ)模塊：系統(tǒng)外擴(kuò)了2 GB的DDR2，和128 KB的Flash。

    視頻輸出模塊：TMS320DM6437用4個(gè)輸出DAC來(lái)接口多種標(biāo)準(zhǔn)輸出，通過(guò)編程，DAC的輸出支持復(fù)合視頻，分量視頻或RGB視頻。

    通信接口：系統(tǒng)通過(guò)JTAG接口對(duì)程序進(jìn)行調(diào)試，預(yù)留了可以連接汽車(chē)OBD接口的CAN總線(xiàn)。

2 算法設(shè)計(jì)

    本文中車(chē)道線(xiàn)檢測(cè)與跟蹤算法的流程圖如圖2所示。

    本文算法總流程共分為兩大部分：車(chē)道線(xiàn)檢測(cè)與車(chē)道線(xiàn)跟蹤。

    (1)車(chē)道線(xiàn)檢測(cè)

    本文通過(guò)兩級(jí)Hough變換進(jìn)行車(chē)道線(xiàn)檢測(cè)。

    Step1.擴(kuò)大角度步長(zhǎng)，進(jìn)行第一級(jí)Hough變換。

    Step2.利用Step1檢測(cè)結(jié)果，約束范圍，進(jìn)行第二級(jí)Hough變換，精確檢測(cè)車(chē)道線(xiàn)。

    (2)車(chē)道線(xiàn)跟蹤

    利用視頻幀之間的相關(guān)性，以上一幀圖像車(chē)道線(xiàn)檢測(cè)結(jié)果為基礎(chǔ)，對(duì)參數(shù)進(jìn)行區(qū)間約束，進(jìn)行Hough變換，便可以跟蹤檢測(cè)后續(xù)幀的車(chē)道線(xiàn)。

2.1 兩級(jí)Hough變換檢測(cè)車(chē)道線(xiàn)

    Hough變換^[2，4]是經(jīng)典的直線(xiàn)檢測(cè)模型，車(chē)道線(xiàn)的檢測(cè)問(wèn)題，經(jīng)過(guò)Hough變換，變成了直線(xiàn)參數(shù)的求取過(guò)程。

    Hough變換的基本原理可以用式(1)表示：

    本文提出的兩級(jí)Hough變換檢測(cè)車(chē)道線(xiàn)的具體過(guò)程可以用仿真實(shí)驗(yàn)中以下2步來(lái)說(shuō)明：

    第一級(jí)Hough變換：以10°為角度步長(zhǎng)檢測(cè)車(chē)道線(xiàn)。

    第二級(jí)Hough變換：在第一級(jí)Hough變換檢測(cè)結(jié)果周?chē)砸欢ǖ膮^(qū)域作為約束區(qū)間，進(jìn)行第二級(jí)Hough變換，得到精確的車(chē)道線(xiàn)參數(shù)。

    兩級(jí)Hough變換的檢測(cè)結(jié)果如表1所示。

    一次基本Hough變換如式(1)，即為一次乘加運(yùn)算。Hough變換中計(jì)算量最大的部分為坐標(biāo)空間變換部分，假設(shè)二值圖像中非零像素?cái)?shù)為N。

    按照傳統(tǒng)Hough變換，則一幀圖像在坐標(biāo)空間變換部分計(jì)算量為：

    不同步長(zhǎng)下計(jì)算量如表2所示。

    計(jì)算量相比結(jié)果為該步長(zhǎng)下計(jì)算量與傳統(tǒng)Hough變換計(jì)算量相比的結(jié)果，從表中可以看出步長(zhǎng)越大優(yōu)化效果越好。經(jīng)過(guò)大量實(shí)驗(yàn)測(cè)試，當(dāng)步長(zhǎng)超過(guò)10°，檢測(cè)準(zhǔn)確性將不能保證，所以將步長(zhǎng)限定在10°以?xún)?nèi)。

    檢測(cè)結(jié)果示意圖如圖3所示。

2.2 車(chē)道線(xiàn)跟蹤

    車(chē)道線(xiàn)跟蹤是依據(jù)相鄰視頻幀之間的相關(guān)性更加快速地檢測(cè)車(chē)道線(xiàn)，下一幀圖像的車(chē)道線(xiàn)參數(shù)可以以上一幀圖像車(chē)道線(xiàn)參數(shù)為基礎(chǔ)限定范圍進(jìn)行得到約束區(qū)間，在約束區(qū)間內(nèi)可以快速地檢測(cè)到車(chē)道線(xiàn)。以三幀圖像為例：

    (1)前一幀圖形的車(chē)道線(xiàn)參數(shù)為(ρ_1，i-1，θ_1，i-1)和(ρ_2，i-1，θ_2，i-1)，對(duì)前一幀參數(shù)進(jìn)行約束就能夠得到目前幀的感興趣區(qū)域。

    (2)在感興趣區(qū)域進(jìn)行Hough變換得到目前幀的車(chē)道線(xiàn)參數(shù)(ρ_1，i，θ_1，i)和(ρ_2，i，θ_2，i)，得到當(dāng)前幀的參數(shù)之后可以確定下一幀圖像的感興趣區(qū)域；

    (3)在下一幀圖像的感興趣區(qū)域內(nèi)進(jìn)行Hough變換得到車(chē)道線(xiàn)參數(shù)，重復(fù)(1)和(2)，便可得到視頻流的車(chē)道線(xiàn)跟蹤。

3 算法移植優(yōu)化

    本文在算法移植階段使用的是CCS3.3集成開(kāi)發(fā)環(huán)境，以及DSP/BIOS操作系統(tǒng)和數(shù)字視頻軟件開(kāi)發(fā)包DVSDK，充分利用了TI提供的的Vlib和IMGLIB函數(shù)庫(kù)。算法在TMS320DM6437平臺(tái)實(shí)現(xiàn)過(guò)程中，本文對(duì)算法進(jìn)行了優(yōu)化，進(jìn)一步提高了運(yùn)算效率。

    (1)根據(jù)DSP特點(diǎn)進(jìn)行數(shù)據(jù)處理

    TMS320C64x+DSP每個(gè)指令周期可以完成一次short*short運(yùn)算，但是一個(gè)int*int運(yùn)算需要5個(gè)指令周期，所以數(shù)據(jù)盡量采用了short型進(jìn)行存儲(chǔ)。而且因?yàn)橄袼財(cái)?shù)據(jù)大小在0～255之間，所以像素?cái)?shù)據(jù)以及部分其他數(shù)據(jù)均可以使用short型存儲(chǔ)。

    DSP中整數(shù)乘除運(yùn)算指令的計(jì)算量遠(yuǎn)遠(yuǎn)超過(guò)邏輯移位指令的計(jì)算量，所以算法中的乘除運(yùn)算，盡量使用移位運(yùn)算。

    (2)循環(huán)部分優(yōu)化。盡量將循環(huán)展開(kāi)，減少循環(huán)嵌套層數(shù)，并且減少循環(huán)內(nèi)部計(jì)算。

    (3)對(duì)于車(chē)道線(xiàn)的驗(yàn)證部分，由每一行都進(jìn)行驗(yàn)證，縮減為隔行驗(yàn)證。

    (4)將算法中的“與、或”條件語(yǔ)句展開(kāi)。

    (5)對(duì)車(chē)道線(xiàn)驗(yàn)證過(guò)程再次進(jìn)行優(yōu)化。傳統(tǒng)算法的驗(yàn)證過(guò)程為將像素坐標(biāo)以及車(chē)道線(xiàn)參數(shù)帶入Hough變換進(jìn)行驗(yàn)證，本文提出利用像素之間的位置關(guān)系進(jìn)行驗(yàn)證，示意圖如圖4所示。

    假設(shè)圖像高度為h，該車(chē)道線(xiàn)參數(shù)為(ρ₀，θ₀)，則對(duì)于第一行有：

    所以對(duì)于待檢測(cè)像素(x，y)，符合式(8)：

    (6)CCS3.3編譯選項(xiàng)中Opt Level優(yōu)化控制。Opt Level能夠控制優(yōu)化級(jí)別，其中-o后面的數(shù)字代表優(yōu)化程度，數(shù)字越高優(yōu)化越明顯，-o3為最高優(yōu)化程度。

    以上各個(gè)優(yōu)化過(guò)程對(duì)應(yīng)計(jì)算量如表3所示。

4 結(jié)果及分析

4.1 算法仿真結(jié)果

    本文在算法仿真階段中所用圖庫(kù)為加利福尼亞理工學(xué)院的Caltech Lanes dataset。該圖庫(kù)一共1 330張道路圖片，分別為科爾多瓦和華盛頓兩個(gè)城市的道路圖片。Caltech Lanes dataset樣圖如圖5所示，對(duì)應(yīng)檢測(cè)結(jié)果圖片如圖6所示。

    經(jīng)過(guò)實(shí)驗(yàn)該方法正確率為79.8%。出現(xiàn)檢測(cè)錯(cuò)誤的圖片全部是不存在車(chē)道線(xiàn)或者車(chē)道線(xiàn)較遠(yuǎn)不可檢測(cè)的圖片，示意圖如圖7所示。

    從時(shí)間消耗來(lái)看，經(jīng)過(guò)對(duì)不同尺寸的共計(jì)3 000幅圖片進(jìn)行測(cè)試，運(yùn)用本文中算法與傳統(tǒng)Hough變換算法相比較，本文中算法時(shí)間消耗比傳統(tǒng)算法時(shí)間消耗少50%。

4.2 系統(tǒng)測(cè)試結(jié)果

    在室外搭建了實(shí)驗(yàn)平臺(tái)對(duì)系統(tǒng)進(jìn)行測(cè)試。經(jīng)過(guò)測(cè)試，系統(tǒng)對(duì)車(chē)道線(xiàn)檢測(cè)與跟蹤達(dá)到了實(shí)時(shí)性要求，測(cè)試平臺(tái)每幀圖像大小為720×480，最終檢測(cè)速度為一幀圖像33 ms，幀率可以達(dá)到30 幀/s，并且可以在一定程度上克服行人等障礙物的影響。DM6437平臺(tái)上結(jié)果截圖如圖8所示。

5 結(jié)論

    針對(duì)車(chē)道線(xiàn)檢測(cè)的實(shí)時(shí)性要求，本文在TMS320DM6437平臺(tái)上實(shí)現(xiàn)了車(chē)道線(xiàn)實(shí)時(shí)檢測(cè)與跟蹤。本文通過(guò)兩級(jí)Hough變換進(jìn)行車(chē)道線(xiàn)的檢測(cè)，然后利用視頻幀與幀之間的相關(guān)性，對(duì)車(chē)道線(xiàn)進(jìn)行跟蹤。將算法移植到TMS320DM6437平臺(tái)上后，根據(jù)DSP特點(diǎn)，對(duì)算法在結(jié)構(gòu)以及流程等方面再次進(jìn)行優(yōu)化。該方法減少了車(chē)道線(xiàn)檢測(cè)與跟蹤的計(jì)算量，提高了算法效率，達(dá)到了車(chē)道線(xiàn)檢測(cè)的實(shí)時(shí)性要求，并且保證了檢測(cè)結(jié)果的正確性。本文車(chē)道線(xiàn)檢測(cè)與跟蹤可以應(yīng)用在車(chē)輛防碰撞預(yù)警，車(chē)輛檢測(cè)以及自動(dòng)駕駛等系統(tǒng)中，對(duì)ADAS有很高的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 周猛，喬瑞萍，王效鵬，等.基于DaVinciTM的360°全景泊車(chē)影像系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用，2014，40(10)：20-22，26.

[2] LI X，WU Q X，KOU Y，et al.Lane detection based on spiking neural network and hough transform[C]//2015 8th International Congress on Image and Signal Processing(CISP)，Shenyang，China，2015：626-630.

[3] 申長(zhǎng)安，段新濤，焦曉君，等.基于同態(tài)濾波的車(chē)道線(xiàn)檢測(cè)技術(shù)[J].公路，2015(11)：22-25.

[4] 段建民，劉冠宇，鄭榜貴.基于整體最優(yōu)閾值的車(chē)道線(xiàn)快速識(shí)別方法[J].北京工業(yè)大學(xué)學(xué)報(bào)，2015，41(1)：42-47.

作者信息:

趙午峰，喬瑞萍，孫  賀

（西安交通大學(xué) 電子與信息工程學(xué)院，陜西 西安710049）