《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 嵌入式技術(shù) > 設(shè)計(jì)應(yīng)用 > 基于TMS320DM6437的車道線檢測(cè)與跟蹤
Digikey(202412)
2024测试测量培训202410
基于TMS320DM6437的車道線檢測(cè)與跟蹤
2017年電子技術(shù)應(yīng)用第4期
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
摘要: 在TMS320DM6437平臺(tái)上實(shí)現(xiàn)了車道線的實(shí)時(shí)檢測(cè)與跟蹤。通過兩級(jí)Hough變換實(shí)現(xiàn)了車道線實(shí)時(shí)檢測(cè),利用視頻幀與幀之間的相關(guān)性對(duì)車道線進(jìn)行跟蹤。在算法移植到TMS320DM6437平臺(tái)過程中,利用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)化進(jìn)行進(jìn)一步優(yōu)化。經(jīng)過實(shí)驗(yàn)測(cè)試,該系統(tǒng)實(shí)現(xiàn)了車道線實(shí)時(shí)檢測(cè)與跟蹤。
中圖分類號(hào): TP391;U463.6
文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.2017.04.004
中文引用格式: 趙午峰,喬瑞萍,孫賀. 基于TMS320DM6437的車道線檢測(cè)與跟蹤[J].電子技術(shù)應(yīng)用,2017,43(4):17-20.
英文引用格式: Zhao Wufeng,Qiao Ruiping,Sun He. Lane detection and tracking on TMS320DM6437[J].Application of Electronic Technique,2017,43(4):17-20.
Lane detection and tracking on TMS320DM6437
Zhao Wufeng,Qiao Ruiping,Sun He
School of Electronic and Information Engineering,Xi′an Jiaotong University,Xi′an 710049,China
Abstract: Real-time lane detection and tracing is achieved on TMS320DM6437 platform. Lane detection is achieved with the method of two-stage Hough transform, and the correlation of frams is used to trace lane. After the algorithm is transplanted, the algorithm will be optimized further based on the character of DSP. Experimental results show that the system achieved real-time lane detection and tracing and it has some noise immunity.
Key words : TMS320DM6437;lane detection and tracing;two-stage Hough transform;algorithm optimization

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,基于視覺的車道線檢測(cè)技術(shù)是高級(jí)駕駛輔助系統(tǒng)的重要部分。

    針對(duì)車道線檢測(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,通過兩級(jí)Hough變換進(jìn)行車道線的檢測(cè)然后利用視頻幀與幀之間的相關(guān)性對(duì)車道線進(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,支持汽車上用于電子設(shè)備通信的CAN總線,因此TMS320DM6437非常適合車載視頻設(shè)備的開發(fā)應(yīng)用[1]。系統(tǒng)所用板卡結(jié)構(gòu)圖如圖1所示。

adas4-t1.gif

    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來接口多種標(biāo)準(zhǔn)輸出,通過編程,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JTAG接口對(duì)程序進(jìn)行調(diào)試,預(yù)留了可以連接汽車OBD接口的CAN總線。

2 算法設(shè)計(jì)

    本文中車道線檢測(cè)與跟蹤算法的流程圖如圖2所示。

adas4-t2.gif

    本文算法總流程共分為兩大部分:車道線檢測(cè)與車道線跟蹤。

    (1)車道線檢測(cè)

    本文通過兩級(jí)Hough變換進(jìn)行車道線檢測(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)車道線。

    (2)車道線跟蹤

    利用視頻幀之間的相關(guān)性,以上一幀圖像車道線檢測(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)幀的車道線。

2.1 兩級(jí)Hough變換檢測(cè)車道線

    Hough變換[2,4]是經(jīng)典的直線檢測(cè)模型,車道線的檢測(cè)問題,經(jīng)過Hough變換,變成了直線參數(shù)的求取過程。

    Hough變換的基本原理可以用式(1)表示:

adas4-gs1-2.gif

    本文提出的兩級(jí)Hough變換檢測(cè)車道線的具體過程可以用仿真實(shí)驗(yàn)中以下2步來說明:

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

    第二級(jí)Hough變換:在第一級(jí)Hough變換檢測(cè)結(jié)果周圍以一定的區(qū)域作為約束區(qū)間,進(jìn)行第二級(jí)Hough變換,得到精確的車道線參數(shù)。

    兩級(jí)Hough變換的檢測(cè)結(jié)果如表1所示。

adas4-b1.gif

    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:

adas4-gs3-4.gif

    不同步長(zhǎng)下計(jì)算量如表2所示。

adas4-b2.gif

    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)過大量實(shí)驗(yàn)測(cè)試,當(dāng)步長(zhǎng)超過10°,檢測(cè)準(zhǔn)確性將不能保證,所以將步長(zhǎng)限定在10°以內(nèi)。

    檢測(cè)結(jié)果示意圖如圖3所示。

adas4-t3.gif

2.2 車道線跟蹤

    車道線跟蹤是依據(jù)相鄰視頻幀之間的相關(guān)性更加快速地檢測(cè)車道線,下一幀圖像的車道線參數(shù)可以以上一幀圖像車道線參數(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)到車道線。以三幀圖像為例:

    (1)前一幀圖形的車道線參數(shù)為(ρ1,i-1,θ1,i-1)和(ρ2,i-1,θ2,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道線參數(shù)(ρ1,i,θ1,i)和(ρ2,i,θ2,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變換得到車道線參數(shù),重復(fù)(1)和(2),便可得到視頻流的車道線跟蹤。

3 算法移植優(yōu)化

    本文在算法移植階段使用的是CCS3.3集成開發(fā)環(huán)境,以及DSP/BIOS操作系統(tǒng)和數(shù)字視頻軟件開發(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,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)于車道線的驗(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。

    (5)對(duì)車道線驗(yàn)證過程再次進(jìn)行優(yōu)化。傳統(tǒng)算法的驗(yàn)證過程為將像素坐標(biāo)以及車道線參數(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。

adas4-t4.gif

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

     adas4-gs5-7.gif

    所以對(duì)于待檢測(cè)像素(x,y),符合式(8):

adas4-gs8-9.gif

    (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)化過程對(duì)應(yīng)計(jì)算量如表3所示。

adas4-b3.gif

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。

adas4-t5.gif

adas4-t6.gif

    經(jīng)過實(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道線或者車道線較遠(yuǎn)不可檢測(cè)的圖片,示意圖如圖7所示。

adas4-t7.gif

    從時(shí)間消耗來看,經(jīng)過對(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)過測(cè)試,系統(tǒng)對(duì)車道線檢測(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。

adas4-t8.gif

5 結(jié)論

    針對(duì)車道線檢測(cè)的實(shí)時(shí)性要求,本文在TMS320DM6437平臺(tái)上實(shí)現(xiàn)了車道線實(shí)時(shí)檢測(cè)與跟蹤。本文通過兩級(jí)Hough變換進(jìn)行車道線的檢測(cè),然后利用視頻幀與幀之間的相關(guān)性,對(duì)車道線進(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。該方法減少了車道線檢測(cè)與跟蹤的計(jì)算量,提高了算法效率,達(dá)到了車道線檢測(cè)的實(shí)時(shí)性要求,并且保證了檢測(cè)結(jié)果的正確性。本文車道線檢測(cè)與跟蹤可以應(yīng)用在車輛防碰撞預(yù)警,車輛檢測(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)濾波的車道線檢測(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)閾值的車道線快速識(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)

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。