基于OMAP3530平臺的車(chē)道線(xiàn)識別檢測的實(shí)現

　　(一)識別效果分析此分析的實(shí)驗是在MATLAB上進(jìn)行的。測試評估是通過(guò)本文的識別算法的效果與人工掃描獲得的圖像真實(shí)值進(jìn)行比較得出算法的各項指標。判斷識別正確與否的原則是：

　　(1)當識別的結果與實(shí)際值誤差在0.5m之內，并且角度變化在8°之內的目標認為是正確識別，否則認為是誤識別。

　　(2)真實(shí)值中存在而系統沒(méi)有識別出來(lái)的認為是漏檢，誤檢和漏檢都認為是錯誤識別。

　　(3)真實(shí)值中沒(méi)有，但是系統識別出來(lái)的車(chē)道線(xiàn)算是誤識別。

　　根據本文提出的車(chē)道線(xiàn)識別算法，分別選取了上述三種結構化道路場(chǎng)景的500幀圖像進(jìn)行測試，識別率對照表如下所示。

　　(二)響應速度分析

　　運行MATLAB軟件需要耗費很多的系統資源，使得算法在其下的運行速度比較慢，所以不適合用MATLAB進(jìn)行算法的響應速度測試。本文提出的算法先用C語(yǔ)言實(shí)現，然后在Linux環(huán)境下使用gettimeofday()函數來(lái)計算運行時(shí)間。本文算法在Ubuntu Linux平臺上的處理時(shí)間平均約為27.8ms.

　　本文提出的車(chē)道線(xiàn)識別算法在識別能力和響應速度上都比以往的算法有所提高，能夠滿(mǎn)足實(shí)際應用的需要，但性能還需要進(jìn)一步的優(yōu)化。

　　結束語(yǔ)

　　基于達芬奇技術(shù)的OMAP3530實(shí)現了車(chē)道線(xiàn)識別檢測的功能。ARM核控制OV7670攝像頭捕獲到道路圖像，然后經(jīng)由DSP/BIOS Link傳輸到DSP核，由DSP核完成車(chē)道線(xiàn)的識別檢測，最后提取到清晰的車(chē)道標志線(xiàn)。試驗結果表明，本算法可以保證車(chē)道線(xiàn)識別的準確性、實(shí)時(shí)性和魯棒性，能夠滿(mǎn)足實(shí)際需要。

　　表1兩種算法識別率對照表