簡介

許多處理器控制著當(dāng)今汽車的各個(gè)性能方面，而“車輛體驗(yàn)”的單一功能并未受到技術(shù)的影響。無論是氣候控制，發(fā)動(dòng)機(jī)控制還是娛樂，過去十年來制造商產(chǎn)品的功能都在不斷發(fā)展。這種演變背后的力量之一，信號(hào)處理器的性能成本比迅速提高，即將對另一個(gè)關(guān)鍵的汽車組件 - 安全子系統(tǒng)產(chǎn)生深遠(yuǎn)的影響。

雖然目前大多數(shù)安全可靠功能利用各種傳感器 - 主要涉及微波，紅外線，激光，加速度計(jì)或位置檢測 - 最近才推出處理器，可滿足實(shí)時(shí)計(jì)算要求，允許視頻圖像處理為安全技術(shù)做出重大貢獻(xiàn)。 ADI公司的Blackfin 媒體處理器系列具有高處理速度，多種數(shù)據(jù)移動(dòng)功能和視頻專用接口，為這個(gè)不斷增長的市場提供了極具吸引力的解決方案。本文將討論Blackfin處理器在新興的基于視頻的汽車安全領(lǐng)域可以發(fā)揮的作用。

汽車安全系統(tǒng)中的視頻

在很多方面，汽車安全性可以大大提高通過使用高性能媒體處理器的視頻系統(tǒng)進(jìn)行增強(qiáng)。但是，由于響應(yīng)時(shí)間短對于挽救生命至關(guān)重要，因此必須確定性地實(shí)時(shí)進(jìn)行圖像處理和視頻過濾。自然傾向于使用處理器可以為給定應(yīng)用處理的最高視頻幀速率和分辨率，因?yàn)檫@為決策提供了最佳數(shù)據(jù)。此外，處理器需要再次實(shí)時(shí)地比較車輛速度和相對車輛 - 物體距離與期望條件。此外，處理器必須與許多車輛子系統(tǒng)（例如發(fā)動(dòng)機(jī)，制動(dòng)，轉(zhuǎn)向和安全氣囊控制器）交互，處理來自所有這些系統(tǒng)的傳感器信息，并向駕駛員提供適當(dāng)?shù)囊暵犦敵觥Ｗ詈螅幚砥鲬?yīng)能夠與導(dǎo)航和電信系統(tǒng)連接，以對故障，事故和其他問題作出反應(yīng)并記錄。

圖1顯示了汽車安全系統(tǒng)的基本視頻操作元素，指示圖像傳感器可能放置在整個(gè)車輛中的位置，以及車道偏離系統(tǒng)如何集成到底盤中。有一些值得注意的事情。首先，多個(gè)傳感器可以由不同的汽車安全功能共享。例如，后部傳感器可以在車輛后退時(shí)使用，以及在車輛向前移動(dòng)時(shí)跟蹤車道。此外，車道偏離系統(tǒng)可以接受來自多個(gè)攝像機(jī)源中的任何一個(gè)的饋送，為給定情況選擇適當(dāng)?shù)妮斎搿Ｔ诨鞠到y(tǒng)中，視頻流將其數(shù)據(jù)饋送到嵌入式處理器。在更先進(jìn)的系統(tǒng)中，處理器接收其他傳感器信息，例如來自GPS接收器的位置數(shù)據(jù)。

智能安全氣囊

媒體處理器在汽車安全中的新興用途是用于“智能安全氣囊系統(tǒng)”，其基于部署決定誰坐在受安全氣囊影響的座椅上。目前，基于重量的系統(tǒng)使用最廣泛，但視頻傳感將在五年內(nèi)變得流行。可以使用熱相機(jī)或普通相機(jī)，速率高達(dá)每秒200幀，并且可以使用多于一個(gè) - 以提供每個(gè)乘員的立體圖像。目標(biāo)是描述居住者的位置和姿勢 - 而不僅僅是他們的體型。如果發(fā)生沖突，系統(tǒng)必須選擇是完全限制部署，使用較低的力部署還是完全部署。在幫助確定身體姿勢時(shí)，圖像處理算法必須能夠區(qū)分人的頭部和其他身體部位。

在該系統(tǒng)中，媒體處理器必須以高幀率獲取多個(gè)圖像流，處理在所有類型的照明條件下分析每個(gè)乘員的大小和位置的圖像，并持續(xù)監(jiān)控位于整個(gè)車內(nèi)的所有碰撞傳感器，以便在幾毫秒內(nèi)做出最佳部署決策。

避碰和自適應(yīng)巡航控制

另一個(gè)備受矚目的安全應(yīng)用是自適應(yīng)巡航控制（ACC），防撞系統(tǒng)的子集。 ACC是一種便利功能，可控制發(fā)動(dòng)機(jī)和制動(dòng)系統(tǒng)，以調(diào)節(jié)汽車的速度及其與前方車輛的距離。采用的傳感器包括微波，雷達(dá)，紅外和視頻技術(shù)的組合。媒體處理器可以通過安裝在靠近汽車后視鏡的道路上的攝像機(jī)實(shí)時(shí)處理每秒17到30幀的幀。圖像處理算法可以包括用于變化的照明場景的幀到幀圖像比較，對象識(shí)別和對比度均衡。視頻傳感器輸入的目標(biāo)是提供有關(guān)車道邊界和道路曲率的信息，并對障礙物進(jìn)行分類，包括汽車前方的車輛。

ACC系統(tǒng)被宣傳為便利功能，而真正的防撞系統(tǒng)通過協(xié)調(diào)汽車的制動(dòng)，轉(zhuǎn)向和發(fā)動(dòng)機(jī)控制器，積極致力于避免事故。因此，由于任務(wù)的復(fù)雜性，關(guān)鍵的可靠性考慮以及法律和社會(huì)后果，它們的發(fā)展速度較慢。據(jù)估計(jì)，到2010年，這些系統(tǒng)的部署可能正在順利進(jìn)行。鑒于典型的5年汽車設(shè)計(jì)周期，此類系統(tǒng)設(shè)計(jì)已在進(jìn)行中。

碰撞警告系統(tǒng)，如ACC，是碰撞避免類別的子集。這些警告可能即將發(fā)生的事故，但他們沒有積極地避免它。在這個(gè)利基市場中有兩個(gè)主要的子類別：

盲點(diǎn)監(jiān)視器戰(zhàn)斗機(jī)圍繞車輛周邊策略安裝，以提供駕駛員盲點(diǎn)的視覺顯示，并在處理器感知到其他車輛存在時(shí)發(fā)出警告一個(gè)盲區(qū)。在倒檔時(shí)，這些系統(tǒng)也可作為備用警告，提醒駕駛員注意車輛后部的障礙物。顯示器可與后視鏡集成，提供車輛周圍環(huán)境的完整無障礙視野。此外，該系統(tǒng)可能包括在車廂內(nèi)的“盲點(diǎn)”視頻，允許駕駛員監(jiān)控后方嬰兒，例如。

Lane - 離開監(jiān)視器 - 這些系統(tǒng)可以通知駕駛員，如果改變車道是不安全的，或者他們是偏離車道還是偏離道路 - 從而有助于檢測駕駛員疲勞。前置攝像頭監(jiān)控汽車相對于道路中心線和側(cè)標(biāo)記的位置，距離汽車前方50至75英尺。如果汽車無意中開始離開車道，系統(tǒng)會(huì)發(fā)出警報(bào)。

車道偏離 - 系統(tǒng)示例

除了媒體處理器在基于視頻的情況下可以扮演的角色汽車安全應(yīng)用，分析這種應(yīng)用的典型組件是有益的。為此，讓我們進(jìn)一步探討可以使用Blackfin媒體處理器的車道偏離監(jiān)控系統(tǒng)。

考慮到正在執(zhí)行的信號(hào)處理功能的復(fù)雜性，圖2的整個(gè)系統(tǒng)圖非常簡單。有趣的是，在基于視頻的車道偏離系統(tǒng)中，大部分處理是基于圖像的，并且在信號(hào)處理器內(nèi)而不是通過模擬信號(hào)鏈來執(zhí)行。這代表了系統(tǒng)物料清單的大量節(jié)省。駕駛員的輸出包括警告，以在車輛無意中離開車道之前糾正汽車的預(yù)計(jì)路徑。它可能是一個(gè)可聽見的“隆隆聲”聲音，編程鈴聲或語音信息。

嵌入式處理器的視頻輸入系統(tǒng)必須在惡劣的環(huán)境中可靠地運(yùn)行，包括廣泛和劇烈的溫度變化和改變道路狀況。當(dāng)數(shù)據(jù)流進(jìn)入處理器時(shí)，它將實(shí)時(shí)轉(zhuǎn)換為可以處理以輸出決策的形式。在最簡單的級別，車道偏離系統(tǒng)查找車輛相對于道路中的車道標(biāo)記的位置。對于處理器，這意味著必須將輸入的道路圖像流轉(zhuǎn)換為描繪路面的一系列線。

處理器可以通過查找邊緣來查找數(shù)據(jù)字段內(nèi)的線。這些邊緣形成了駕駛員在向前行駛時(shí)應(yīng)保持車輛的邊界。處理器必須跟蹤這些線標(biāo)記并確定是否通知驅(qū)動(dòng)程序不正常。

請記住，其他幾個(gè)汽車系統(tǒng)也會(huì)影響車道偏離系統(tǒng)。例如，使用制動(dòng)系統(tǒng)和轉(zhuǎn)向信號(hào)通常會(huì)在故意換道和慢轉(zhuǎn)時(shí)阻止車道偏離警告。

現(xiàn)在讓我們深入了解車道偏離的基本組成部分系統(tǒng)示例。圖3遵循與圖2相同的基本操作流程，但更深入地了解正在執(zhí)行的算法。進(jìn)入系統(tǒng)的視頻流需要經(jīng)過濾波和平滑處理，以減少由溫度，運(yùn)動(dòng)和電磁干擾引起的噪聲。如果沒有這一步驟，就很難找到干凈的車道標(biāo)記。

下一個(gè)處理步驟涉及邊緣檢測;如果系統(tǒng)設(shè)置正確，找到的邊將代表車道標(biāo)記。然后必須將這些線匹配到車輛的方向和位置。 Hough變換將用于此步驟。將跨越圖像幀跟蹤其輸出，并且將基于所有編譯的信息做出決定。最后的挑戰(zhàn)是及時(shí)發(fā)出警告而不發(fā)出誤報(bào)。

圖像采集

Blackfin處理器的一個(gè)重要特性是其并行外設(shè)接口（PPI），用于處理傳入和傳出的視頻流。 PPI無需外部邏輯即可連接各種視頻轉(zhuǎn)換器。除了符合ITU-R 656標(biāo)準(zhǔn)的視頻編碼器和解碼器之外，PPI還可以連接到CMOS相機(jī)芯片和LCD顯示器，這些產(chǎn)品在汽車行業(yè)中很常見。由于它可以實(shí)時(shí)捕獲視頻，因此PPI有助于本文討論的各種自動(dòng)安全應(yīng)用。

在支持ITU-R 656的設(shè)備中，消隱數(shù)據(jù)和活動(dòng)視頻數(shù)據(jù)之間的每個(gè)邊界都是使用嵌入在數(shù)據(jù)流中的4字節(jié)數(shù)據(jù)序列進(jìn)行設(shè)置。 PPI在沒有處理器干預(yù)的情況下自動(dòng)解碼該序列，以收集傳入的活動(dòng)視頻幀。通過這種嵌入式控制方案，物理連接只需要8條數(shù)據(jù)線和一個(gè)時(shí)鐘。

PPI還連接到各種沒有嵌入式控制方案的圖像傳感器和數(shù)據(jù)轉(zhuǎn)換器。在這些情況下，PPI最多提供三個(gè)幀同步來管理傳入或傳出數(shù)據(jù)。對于視頻流，這些幀同步用作物理水平同步，垂直同步和場線（HSYNC，VSYNC和FIELD）。

對于汽車安全應(yīng)用，圖像分辨率通常從VGA（640×480像素/圖像）到QVGA（320×240像素/圖像）。無論實(shí)際圖像大小如何，傳輸?shù)臄?shù)據(jù)格式都保持不變 - 但傳輸?shù)臄?shù)據(jù)較少時(shí)可以使用較低的時(shí)鐘速度。此外，在最基本的車道偏離警告系統(tǒng)中，只需要灰度圖像。因此，數(shù)據(jù)帶寬減半（從16位/像素到8位/像素），因?yàn)榭梢院雎陨刃畔ⅰ?/p>

內(nèi)存和數(shù)據(jù)移動(dòng)

高效的內(nèi)存使用是一個(gè)重要的考慮因素因?yàn)橥獠看鎯?chǔ)器很昂貴，并且它們的訪問時(shí)間可能具有很高的延遲。雖然Blackfin處理器具有片上SDRAM控制器以支持經(jīng)濟(jì)高效地添加更大的片外存儲(chǔ)器，但在僅傳輸所需的視頻數(shù)據(jù)時(shí)，明智的做法仍然很重要。通過智能地解碼ITU-R 656前導(dǎo)碼，PPI可以幫助這種“數(shù)據(jù)過濾”操作。例如，在某些應(yīng)用程序中，只需要活動(dòng)視頻字段。換句話說，水平和垂直消隱數(shù)據(jù)可以被忽略，不會(huì)傳輸?shù)絻?nèi)存中，從而導(dǎo)致系統(tǒng)數(shù)據(jù)量減少25％。更重要的是，這種較低的數(shù)據(jù)速率有助于節(jié)省內(nèi)部和外部數(shù)據(jù)總線的帶寬。

由于視頻數(shù)據(jù)速率非常苛刻，因此必須在外部存儲(chǔ)器中設(shè)置幀緩沖器，如圖4所示。在這種情況下，當(dāng)處理器在一個(gè)緩沖區(qū)上運(yùn)行時(shí)，PPI通過DMA傳輸填充第二個(gè)緩沖區(qū)。可以設(shè)置簡單的信號(hào)量以保持幀之間的同步。使用Blackfin靈活的DMA控制器，幾乎可以在存儲(chǔ)器填充過程中的任何一點(diǎn)產(chǎn)生中斷，但通常配置為在每個(gè)視頻行或幀的末尾發(fā)生。

一旦完整幀位于SDRAM中，數(shù)據(jù)通常會(huì)傳輸?shù)絻?nèi)部L1數(shù)據(jù)存儲(chǔ)器中，以便內(nèi)核可以以單周期延遲訪問它。為此，DMA控制器可以使用二維傳輸來引入像素塊。圖5顯示了16×16“宏塊”（許多壓縮算法中使用的構(gòu)造）如何通過2D DMA引擎線性存儲(chǔ)在L1存儲(chǔ)器中的示例。

有效導(dǎo)航通過源圖像，需要控制四個(gè)參數(shù)：X Count，Y Count，X Modify和Y Modify。 X和Y計(jì)數(shù)分別描述了在“水平”和“垂直”方向上讀入/讀出的元素的數(shù)量。 Horizontal 和 vertical 是此應(yīng)用程序中的抽象術(shù)語，因?yàn)閳D像數(shù)據(jù)實(shí)際上是線性存儲(chǔ)在外部存儲(chǔ)器中。 X和Y修改vaues通過在傳輸必要的X Count或Y Count后指定數(shù)據(jù)“跨越”數(shù)量來實(shí)現(xiàn)此抽象。

從性能角度來看，最多四個(gè)唯一的SDRAM內(nèi)部存儲(chǔ)體可以隨時(shí)激活。這意味著在視頻框架中，當(dāng)2D到1D DMA從一個(gè)銀行提取數(shù)據(jù)而PPI正在向另一個(gè)銀行提供數(shù)據(jù)時(shí)，沒有觀察到額外的銀行激活延遲。

投影校正

用于車道偏離系統(tǒng)的攝像機(jī)可以位于前擋風(fēng)玻璃的中心位置，面向前方，位于后擋風(fēng)玻璃中，面向已經(jīng)行駛的道路，或者一個(gè)“鳥瞰”相機(jī)，它提供了即將到來的道路最廣泛的視角，因此可以用來代替多個(gè)視線相機(jī)。在后一種情況下，由于廣角鏡頭，視圖會(huì)發(fā)生扭曲，因此在解析圖片內(nèi)容之前必須將輸出圖像重新映射到線性視圖中。

圖像過濾

在進(jìn)行任何類型的邊緣檢測之前，過濾圖像以消除圖像捕獲期間拾取的任何噪聲非常重要。這是必要的，因?yàn)橐脒吘墮z測器的噪聲可能導(dǎo)致檢測器輸出假邊緣。

顯然，圖像濾波器需要足夠快地運(yùn)行以跟上輸入圖像的連續(xù)性。因此，必須優(yōu)化圖像濾波器內(nèi)核以便在盡可能少的處理器周期中執(zhí)行。一種有效的濾波方法是通過基本的二維卷積運(yùn)算完成的。讓我們來看看如何在Blackfin處理器上有效地執(zhí)行此計(jì)算。

卷積是圖像處理的基本操作之一。在二維卷積中，對給定像素執(zhí)行的計(jì)算是來自該像素附近的像素的強(qiáng)度值的加權(quán)和。由于掩模的鄰域以給定像素為中心，因此掩模區(qū)域通常具有奇數(shù)尺寸。掩模尺寸通常相對于圖像較小; 3×3掩模是一種常見的選擇，因?yàn)樗诿總€(gè)像素的基礎(chǔ)上計(jì)算合理，但足以檢測圖像中的邊緣。

3×3內(nèi)核的基本結(jié)構(gòu)如圖6.作為示例，圖像中第20行第10列的像素的卷積處理的輸出將是：

Out （20,10）= A ×（19,9）+ B ×（19,10）+ C ×（19,11）+ D ×（20,9）+ E ×（20,10）+ F ×（20,11）+ G ×（21， 9）+ H ×（21,10）+ I ×（21,11）

可以通過以下步驟描述高級算法：

將遮罩的中心放在輸入矩陣的元素上。

通過相應(yīng)的濾鏡掩碼元素將掩碼鄰域中的每個(gè)像素相乘。

將每個(gè)乘法值相加為單個(gè)結(jié)果。

將每個(gè)和放在與中心對應(yīng)的位置。輸出矩陣中的掩碼

圖7顯示了輸入矩陣F，3×3掩模矩陣H和輸出矩陣G.

計(jì)算每個(gè)輸出點(diǎn)后，掩碼移動(dòng)到右側(cè)。在圖像邊緣，算法環(huán)繞到下一行中的第一個(gè)元素。例如，當(dāng)掩模以元素F2M為中心時(shí)，掩碼矩陣的H23元素乘以輸入矩陣的元素F31。結(jié)果，輸出矩陣的可用部分沿著圖像的每個(gè)邊緣減少了一個(gè)元素。

通過正確對齊輸入數(shù)據(jù)，可以在單個(gè)處理器周期中使用Blackfin的乘法累加（MAC）單元，一次處理兩個(gè)輸出點(diǎn)。在同一周期期間，多個(gè)數(shù)據(jù)提取與MAC操作并行發(fā)生。該方法允許每次循環(huán)迭代有效計(jì)算2個(gè)輸出點(diǎn)，或每個(gè)像素4.5個(gè)循環(huán)，而不是圖7中每個(gè)像素的9個(gè)循環(huán)。

邊緣檢測

各種各樣的邊緣檢測技術(shù)是常用的。在考慮如何檢測邊緣之前，算法必須首先確定邊緣實(shí)際的合適定義，然后找到增強(qiáng)邊緣特征的方法以提高檢測機(jī)會(huì)。由于圖像傳感器不理想，因此必須處理兩個(gè)問題 - 噪聲和量化誤差的影響。

圖像中的噪聲幾乎preof video in video taken OVW disease腐choose in inliancesvoltage鬧GF基于許多不易控制的因素，例如環(huán)境溫度，車輛運(yùn)動(dòng)和外部天氣條件，將引入噪音。圖像中的量化誤差將導(dǎo)致邊緣邊界在多個(gè)像素上延伸。這些因素共同作用使邊緣檢測復(fù)雜化。因此，所選擇的任何圖像處理算法都必須將抗噪性作為主要目標(biāo)。

一種流行的檢測方法使用一組基于常見導(dǎo)數(shù)的運(yùn)算符來幫助定位圖像中的邊緣。每個(gè)衍生算子都旨在找到強(qiáng)度發(fā)生變化的地方。在這個(gè)方案中，邊緣可以通過包含理想邊緣屬性的較小圖像建模。

我們將討論Sobel邊緣檢測器，因?yàn)樗子诶斫獠⒄f明了擴(kuò)展到更多原理的原理。復(fù)雜的計(jì)劃。 Sobel Detector使用兩個(gè)卷積核來計(jì)算水平和垂直邊緣的梯度。第一個(gè)用于檢測垂直對比度的變化（S x ）。第二個(gè)檢測到水平對比度的變化（S y ）。

輸出矩陣為每個(gè)輸出矩陣保持“邊緣似然”幅度（基于水平和垂直卷積）圖像中的像素。然后對該矩陣進(jìn)行閾值處理，以便利用幅度上的大響應(yīng)對應(yīng)于圖像內(nèi)的邊緣的事實(shí)。因此，在霍夫變換階段的輸入處，圖像僅由“純白色”或“純黑色”像素組成，沒有中間漸變。

如果應(yīng)用程序不需要真正的大小，則可以節(jié)省昂貴的平方根操作。構(gòu)建閾值矩陣的其他常見技術(shù)包括對每個(gè)像素的梯度求和或簡單地取兩個(gè)梯度中的最大值。

直線檢測 - Hough變換

霍夫變換是一種廣泛使用的方法，通過將它們本地化在參數(shù)化空間中來查找圖像中的線條，圓形和橢圓形等全局圖案。它在車道檢測中特別有用，因?yàn)榛诘仁?的極坐標(biāo)表示，線可以在Hough變換空間中輕松檢測為點(diǎn)：

這個(gè)等式的含義可以通過延伸從給定直線到原點(diǎn)的垂線來顯示，這樣θ就是垂直與橫坐標(biāo)和θ的角度。是垂直的長度。因此，一對坐標(biāo)（ρ，θ）可以完全描述該線。圖8a中的線L1和L2證明了這一概念。圖8b顯示L1由θ1和紅色垂線的長度定義，而L2由θ 2 和藍(lán)色垂直線的長度定義。

查看Hough變換的另一種方法是考慮一種可以直觀地實(shí)現(xiàn)算法的方法：

僅訪問白色像素在二進(jìn)制圖像中。

對于每個(gè)像素和正在考慮的每個(gè)θ值，從原點(diǎn)以角度θ在像素上畫一條線。然后計(jì)算ρ，它是原點(diǎn)和所考慮的直線之間的垂線長度。

在累積表中記錄這個(gè)（ρ，θ）對。

重復(fù)步驟1

在累積表中搜索最常遇到的（ρ，θ）對。這些對描述了輸入圖像中最可能的“線”，因?yàn)闉榱擞涗浉呃鄯e值，必須有許多白色像素沿著由（ρ，θ）對描述的線存在。

霍夫變換是計(jì)算密集型的，因?yàn)橛?jì)算輸入圖像中每個(gè)像素的正弦曲線。但是，某些技術(shù)可以大大加快計(jì)算速度。

首先，可以提前計(jì)算一些計(jì)算項(xiàng)，以便通過查找表快速引用它們。在Blackfin的定點(diǎn)架構(gòu)中，僅為余弦函數(shù)存儲(chǔ)查找表非常有用。由于正弦值與余弦的相位相差90度，因此可以使用具有偏移的相同表格。使用查找表，等式（1）的計(jì)算可以表示為兩個(gè)定點(diǎn)乘法和一個(gè)加法。

可以提高性能的另一個(gè)因素是關(guān)于輸入圖像中車道標(biāo)記的性質(zhì)和位置的一組假設(shè)。通過僅考慮那些可能是車道標(biāo)記的輸入點(diǎn)，可以避免大量不必要的計(jì)算，因?yàn)槊總€(gè)白色像素只需要考慮窄范圍的θ值。

a的輸出霍夫變換是一組可能是車道標(biāo)記的直線。這些線的某些參數(shù)可以通過簡單的幾何方程來計(jì)算。可用于進(jìn)一步分析的參數(shù)包括攝像機(jī)中心軸的偏移，檢測到的線的寬度，以及角度相對于相機(jī)的位置。由于許多公路系統(tǒng)中的車道標(biāo)記是標(biāo)準(zhǔn)化的，因此一組規(guī)則可以從車道標(biāo)記候選列表中消除一些線。然后可以使用一組可能的車道標(biāo)記變量來導(dǎo)出汽車的位置。

車道跟蹤

車道信息可以從汽車內(nèi)的各種可能來源確定。該信息可以與車輛相關(guān)參數(shù)（例如，速度，加速度等）的測量值組合以輔助車道跟蹤。基于這些測量的結(jié)果，車道偏離系統(tǒng)可以明智地決定是否正在進(jìn)行無意的離開。在高級系統(tǒng)中，可以建模其他因素，例如一天中的時(shí)間，道路狀況和駕駛員警覺性。

估算車道幾何形狀的問題是一個(gè)挑戰(zhàn)，通常需要使用卡爾曼濾波器來估算道路曲率。具體來說，卡爾曼濾波器可以預(yù)測未來的道路信息 - 然后可以在下一幀中使用，以減少霍夫變換所呈現(xiàn)的計(jì)算負(fù)荷。

如前所述，霍夫變換用于尋找線路在每個(gè)圖像中。但是這些線也需要通過一系列圖像進(jìn)行跟蹤。通常，卡爾曼濾波器可以描述為遞歸濾波器，用于估計(jì)對象的未來狀態(tài)。在這種情況下，對象是一條線。線的狀態(tài)基于其位置及其在幾個(gè)幀上的運(yùn)動(dòng)路徑。

隨著道路狀態(tài)本身，卡爾曼濾波器為每個(gè)狀態(tài)提供方差。預(yù)測狀態(tài)和方差可以結(jié)合使用，以縮小未來幀中霍夫變換的搜索空間，從而節(jié)省處理周期。

決策 - 目前的車位或車道交叉時(shí)間

根據(jù)我們的經(jīng)驗(yàn)，我們知道誤報(bào)總是不受歡迎的。沒有更快的方法讓消費(fèi)者禁用可選的安全功能，而不是讓它指出不存在的問題。

有了處理框架，系統(tǒng)設(shè)計(jì)人員可以添加自己的知識(shí)產(chǎn)權(quán)（ IP）到每個(gè)處理線程的決策階段。最簡單的方法可能是在做出決定時(shí)考慮其他車輛屬性。例如，當(dāng)車道變換被認(rèn)為是有意的時(shí) - 如使用方向指示燈或應(yīng)用制動(dòng)器時(shí)，可以抑制車道變換警告。更復(fù)雜的系統(tǒng)可能會(huì)考慮GPS坐標(biāo)數(shù)據(jù)，乘員駕駛概況，時(shí)間，天氣和其他參數(shù)。

結(jié)論

在前面的討論中，我們只描述了一個(gè)例子關(guān)于如何構(gòu)建基于圖像的車道偏離系統(tǒng)的框架。我們試圖確定的一點(diǎn)是，當(dāng)靈活的媒體處理器可用于設(shè)計(jì)時(shí)，有足夠的空間來考慮功能添加和算法優(yōu)化。