[发明专利]一种基于FPGA的超低功耗实时车道线检测的方法

摘要

本发明涉及车道线检测的技术领域，更具体地，涉及一种基于FPGA的超低功耗实时车道线检测的方法。一种基于FPGA的超低功耗实时车道线检测的方法，包括图像预处理、车道线检测和车道线跟踪三个部分；本发明利用OpenCL作为编程语言和COTS组件搭建了ADAS开发的基础平台，提出了一种可以在检测精度和速度成本进行协调的可伸缩的车道线检测算法，实现了在异构平台上车道线检测算法的并行化，大大提高了在可接受的精度下车道线检测的速度。实现了低成本的超低功耗车道线实时检测，对自动驾驶辅助系统（ADAS）的投入实际应用提供了可能。

主权项

1.一种基于FPGA的超低功耗实时车道线检测的方法，其特征在于，包括图像预处理、车道线检测和车道线跟踪三个部分；所述的图像预处理，从传入的图像中选择一个感兴趣区域，该区域包含车道线的信息；首先将该部分转为灰度图像，然后用Sobel滤波器检测图像的边缘，最后通过一个阈值进行再次滤波，去除噪声和增强图像；所述的车道线检测，在预处理之后，ROI中会有高强度的像素带表示车道线；提取车道线的准确位置是车道检测和车道跟踪算法的任务；如果没有对车道线的估计，就执行车道线检测；在检测到车道线后，只在车道跟踪算法不能跟踪车道线时再进行车道线检测；在ROI中，我们假设车道线都是直线，因此一条车道线可以定义为两点，一个点在ROI顶部，一个在底部，直线可表示为因此可以通过以下关系来获取任意给定直线X的强度值：为了检测多个车道标记，ROI被垂直分割为多个区域，每个区域有一个车道标记每一条直线的强度是通过计算ROI内所有像素的强度之和来确定的；另外，在一个可调的邻域附近的像素也被添加到这个强度权重中：2Nn是可调邻域的宽度；选择具有最高强度权重的候选线作为车道标记候选线是通过正态分布后采样其x‑top和x‑bottom来创建的，使用更多的候选线可以获得更好的检测效果，单也会消耗更多的计算资源，因此可以权衡车道线检测的时间性能和质量。所述的车道线跟踪，使用了先前帧的信息来检测后续帧的车道标记，实际上它没有检测到车道标记，只是跟踪他们；车道跟踪算法有两个信息来源，即预处理的ROI和前一帧的候选线，然后使用粒子滤波来跟踪标记；粒子滤波是一种基于贝叶斯信号处理马尔可夫链蒙特卡洛仿真模型的随机计算方法；假设从前一帧采样到i＝0,1,2,…,N个加权粒子，粒子状态为Xi，此外，每个例子被赋予一个权重wi，表示似然值；本算法中的例子滤波器以迭代的方式用以下三步实现：每个粒子的状态预测更新；每个例子的重要性权重更新；根据例子的重要性权重进行重采样；由于粒子已经以良好的线条形式给出，所以在检测阶段，从正常分布中取样候选线是没有必要的；因此引入了预测更新步骤；粒子代表每一帧中的车道标记，在下一帧中被用作先验分布；在新的一帧中，车道的标记可能稍微移动了；粒子需要移动相同的距离，以便在新坐标系中有效的先验分布；粒子权重更新公式如下：其中，μf＝Y是观测直线，σf是测量噪声，Xt‑μf＝Xt‑Y是两直线之间的距离；则观测直线是车道线的概率值为：其中，预测和重要性权重的更新产生了一组新的粒子，其中每个粒子都有一个标准化的重要性权重。