基于TMS320DM6437的车道偏离报警系统设计

摘　要：据统计约有50%的汽车交通事故是因为汽车偏离正常的行驶车道引起的,如果在驾驶员无意识偏离原车道时提前预警,则可以大大减少因车道偏离引发的碰撞事故.因此,本文以TI公司推出的达芬奇系列多媒体图像处理器TMS320DM6437为核心,设计了一套嵌入式车道偏离预警系统.本文给出了车道偏离预警系统的结构及工作原理,阐述了硬件设计和软件设计实现方法.实验证明,该系统具有较好的实时性和较高的车道偏离预警准确率,能够满足车道偏离预警要求.

关 键 词 ：车道偏离报警；TMS320DM6437；机器视觉

1.引言

汽车交通技术的发展满足人类需求的同时,也带来了新的问题——交通事故,因此,汽车的安全性问题己经成为人们所关注的焦点.近年来高速公路上由于驾驶员过度疲劳、疏忽或突发疾病,使车辆偏离车道造成重大交通事故的比例逐年增长.因此研究车道偏离预警系统辅助驾驶员在单调驾驶环境如高速公路中保持车辆在车道内行驶,成为国内外的研究重点[1].在过去的几十年中,国内外专家和学者都在积极开展有关车道偏离预警系统的研究工作[2-5].但这些研究中存在的主要缺点是设备成本高和体积大,不具有实用性.在满足低成本、小体积的条件下,选择合适的嵌入式硬件装置,并以此设计出满足系统性能要求的算法软件成为汽车车道偏离报警系统的研究趋势.

本文采用基于机器视觉技术的车道偏离预警检测方法,并通过DSP系统应用技术与数字图像处理技术相结合,设计了一套嵌入式车道偏离预警系统,具有较好的实时性和较高的车道偏离预警准确率,有着广阔的应用前景.

2.系统总体设计

本系统选择TI公司推出的达芬奇系列多媒体处理器TMS320DM6437(简称DM6437)作为视频处理器.该处理器采用具有超长指令字结构的C64+内核,内核工作频率可达到600MHz,处理能力达4800MPIS,同时软件与C64x系列DSP完全兼容,便于不同平台之间的软件移植,同时还具有网络、CAN总线等多种设备通信接口,非常适合于汽车视觉系统.同时,DM6437还提供了强大的视频处理子系统（VPSS）,其包括提供数字视频输入及预处理的视频处理前端（VPFE）和提供数字视频输出及驱动显示设备的视频处理后端（VPBE）.这一子系统提供的各种接口为视频的采集和显示处理提供了极大的便利.

本系由CCD摄像头、视频编码芯片、视频处理器模块、LCD显示器组成,系统的整体硬件框图如图1所示：

CCD摄像头负责采集车辆前方道路信息,将采集到的视频图像传送给视频解码芯片TVP5150.视频解码芯片负责将模拟图像数据转换成YCbCr422形式的数字图像数据,送给视频处理器.主处理器DM6437接收到该数据后,负责对数字图像数据进行处理,进行车道线提取和车道偏离判别,将判别结果通过LCD显示出来.DDR2为DM6437的数据存储器扩展,负责图像处理数据的存储,FLASH为DM6437的程序存储器扩展,负责存储算法的程序.

3.系统硬件设计

视频解码芯片选择TI公司的TVP5150芯片,TVP5150是超低功耗、支持NTSC、PAL、SECAM的高性能视频.它可以接收2路复合视频信号(CVBS)或1路S-Video信号.TVP5150把复合视频转换成标准8位的ITU-RBI.656格式的数字信号传输到DM6437.

视频输出显示功能主要通过DM6437的VPBE模块以及接口电路来实现.DM6437的视频编码器VENC模块,主要是将数字视频信号编码成NTSC或PAL电视标准的视频格式,在DM6437经过片内集成的DA转换器转换后的输出模拟信号DAC_IOUT_A等,无法在显示设备上显示,因此,需要对DAC_IOUT_A～D引脚输出的这些模拟信号进行放大处理.本系统中选择了TI公司的高速3V视频放大器OPA361,适用于3V应用的混合视频输出.

视频图像的处理,涉及的数据量较大,DSP的片内资源远远不够,因此必须扩展外部高速存储设备.根据DM6437对DDR2设备的存储容量以及DM6437对数据存取速度的要求,本系统选用两片美国美光公司(Micron)的16位数据总线的高速DDR2存储器MT47H64M16BT芯片通过行、列地址分时复用的方式寻址64MB存储空间(两片共128MB).

本系统扩展异步存储器主要用于存储执行代码和自启动代码,因此我们选择了SPANSION公司的56引脚TSOP封装的SG29GL256N NOR Flash芯片.该芯片容量为32MB,内部划分为256段,每段128KB空间,在进行擦除操作时,以段为单位.

4.系统软件设计

车道偏离预警系统的核心算法集中在两个方面：一是车道识别算法,二是车道偏离决策.在进行车道线提取之前,需要对获取的前方道路图像进行预处理.

(1) 图像预处理

在进行道路边界识别之前,要对获取的前方道路图像进行预处理,主要包括滤波、边缘增强和二值化.本文采用如式(1)所示的中值滤波器对图像进行滤波.

f(x,y)等于median{Sf(x,y)} (1)

式中,Sf(x,y)是像素点f(x,y)附近的一个小区域.

对经过中值滤波的图像采用Sobel算子进行边缘增强.针对车道线检测,基于一阶导数的Sobel算子能够发挥更好的效果,由于需要判别的有效车道线是近似于垂直方向的,算法只使用了Sobel算子的水平梯度进行处理,这样做的另一个好处就是减小了算法的耗时.

经过Sobel算子增强后,道路图像仍然包括大量无用信息,为了减小这些无用信息的影响和便于运算,要对图像进行二值化处理.在图像二值化处理中,阈值的选择是关键,其直接影响着识别的效果.固定阈值的二值化方法通过选取固定的阈值,针对亮度固定的图像具有较好的处理效果.但由于LDWS算法所要处理的图像是不同的路段图像,不同光照情况下,其亮度变化较大,所以不适合使用固定阈值法.迭代法二值化算法通过对于图像整幅亮度进行分析,自动确定阈值,克服了固定阈值二值化的缺点.逐行迭代法二值化,针对图像每行的像素进行亮度分析,确定每行像素的分割阈值,从而排除了整幅图像对于车道线识别的干扰.而且其时间复杂度与迭代法二值化相比,相差不多,所以算法中采用逐行迭代法二值化算法.