A DSP-based Lane Recognition Method for the Lane Departure Warning System of Smart Vehicles
===
###### Stephen P. Tseng, Yung Sheng Liao, Chih Hsie Yeh, and Li Kung Huang

## Keyword
Lane Detection, Top-View Perspective Mapping, Curve road model.

## Content
本文介紹一種用於智能汽車的車道偏離預警系統的車道識別方法，以及在雙核ADIBF561 600MHz DSP嵌入式系統中實現的算法，以驗證其功能。
由於嵌入式系統的計算能力和記憶體大小不如一般電腦上的那麼好，因此在算法中應用了特殊技術來增強車道識別性能，同時保持結果的可靠性。
應用的中值濾波器僅使用19個比較操作即可獲得4-by-3陣列的中值元素。
此外，邊緣增強過濾器可以沖洗感興趣區域中的異物，並保持車道標記具有傾斜/傾斜模式。
以這兩個工具為基礎，所應用的算法可以檢測到車道偏離事件並發出警告警報，以幫助駕駛員提高道路安全性。該系統是在基於DSP的嵌入式平台上實施和測試的，該平台可以在各種天氣條件下實時執行所需的過程。

### 實驗方法
#### 1. 中位數濾波器(高效率的中位數濾波器)
為減少大幅需要的計算時間，將原始圖切割為多塊，並早出各區塊的中位數，之後兩兩比較取中位數。

#### 2. 邊緣偵測
感興趣的圖像區域可以被分成中間（ME）和側向（SE）區域，如下圖所示。大多數物體（包括車道標記）將出現垂直和水平線，在此正常邊緣過濾器應用。中間區域中使用的邊緣濾波方程如（ME）所示。在兩個側面區域上，施加如公式（SE）所示的斜率增強濾波器以定位車道標記。在等式（2）中，FX和FY是由Sobel方法計算的水平和垂直梯度，Q是可調閾值。
計算中間區域中的梯度值，採用正方形和SquaroRoot操作來查找梯度。要保存計算資源，絕對值被視為替換正常漸變。在側向區域，使用斜坡邊緣增強濾波器可以消除垂直/水平邊緣並強調斜率邊緣。如公式（2）所示，當FxAND Fyare等於時，SE的最大值存在（即，斜率為45度或其倍數）。當Fxor Fyequal到零（即，斜率為90度或其倍數）時，最小存在。以這種方式，當時車道標記從垂直或水平位置變化到45度的位置時，車道標記的斜率將增加。這種趨勢將使系統給出車道標記的指示。
最後，找到的車道標記可以由霍夫變換和由系統標記的顏色定位，以進行驗證。
$M E=\left\{\begin{array}{cc}0 & \text { if }\left(\left|f_{x}\right|+\left|f_{y}\right|\right)<\theta \\ \left|f_{x}\right|+\left|f_{y}\right| & \text { if } \theta \leq\left(\left|f_{x}\right|+\left|f_{y}\right|\right) \leq 255 \\ 255 & \text { if }\left(\left|f_{x}\right|+\left|f_{y}\right|\right)>255\end{array}\right.$
$S E=\left\{\begin{array}{cl}0 & \text { if }\left(\left\|f_{x}+f_{y}|-| f_{x}-f_{y}\right\|\right)<\theta \\ \left\|f_{x}+f_{y}|-| f_{x}-f_{y}\right\| & \text { if } \theta \leq\left(\left\|f_{x}+f_{y}|-| f_{x}-f_{y}\right\|\right) \leq 255 \\ 255 & \text { if }\left(\left\|f_{x}+f_{y}|-| f_{x}-f_{y}\right\|\right)>255\end{array}\right.$

### 結果
#### 實驗條件
使用DSP
運用於高速公路
只取直線
#### 實驗結果

### 結論
車道偏離警告系統的主要挑戰來自以下三個要求：
1.快速實時的計算效率，
2.不同的天氣和光線對圖像的影響，
3.不斷改變和復雜化道路形象
作為擋風玻璃刮水器運動的干擾。
通過採用一種適應性強的車道識別方法，並通過適當選擇相機和DSP處理器，可以克服上述挑戰，並且所開發的LDW系統可以在大多數天氣條件下應用。引入的中值和邊緣增強濾波器可以高效運行，同時消除背景噪聲。擋風玻璃刮水器的干擾也已消除。在大多數道路條件下，通過本研究開發的高效圖像處理方法，開發的LDW系統可以準確定位車道標記。此外，該系統成功使用定點DSP，適當的內存處理和其他實時計算技術來達到所需的規格，並且每秒可以執行15fps
LDW系統可以應用於智能車輛系統，以實現更好，更安全的駕駛。與其他基於PC的系統相比，該基於DSP的LDW系統具有成本低，體積小和功耗低的優點。憑藉這些令人鼓舞的結果和優勢，已開發的基於DSP的LDW系統可以在不久的將來商業化並應用於實際的駕駛環境。
## Review
由於本篇使用DSP的硬體，因此必須在演算法、儲存空間想盡辦法壓低複雜度，使用中值濾波器、邊緣增強濾波器、Sobel，為了減少時間將原始圖像分割成4*3，提取出每格的中位數之後再兩兩比對。在邊緣偵測的部分使用Sobel在使用霍夫轉換標記顏色定位驗證車道

## Reference
[1] National Highway Traffic Safety Administration, http://www.nhtsa.dot.gov/ [2] Robert M. Haralick and Linda G. Shapiro, “Computer and Robot Vision,”
Vol.1, Addison Wesley Publishing Company Inc., 1992.
[3] M. Bertozzi and A. Broggi, “GOLD: a parallel real-time stereo vision system
for generic obstacle and lane detection,” IEEE Transactions on Image
Processing, vol. 7, no. 1, pp. 62-81, Jan. 1998.
[4] D. PomerLeau, “RALPH: Rapidly Adapting Lateral Position Handler,”
Proceedings of IEEE Intelligent Vehicles Symposium, pp. 506-511, 1995.
[5] C. R. Jung and C. R. Kelber, “A robust linear-parabolic model for lane
following,” Proceedings of XVII Brazilian Symposium on Computer
Graphics and Image Processing, pp. 72-79, Oct. 2004.
[6] Manfred Kopp and Werner Purgathofer, “Efficient 3x3 median filter”,
Available: http://citeseer.ist.psu.edu/67259.html.

###### tags:`Finish` `論文` `IEEE`