基于OMAP3530平台的车道线识别检测的实现

　　(一)识别效果分析此分析的实验是在MATLAB上进行的。测试评估是通过本文的识别算法的效果与人工扫描获得的图像真实值进行比较得出算法的各项指标。判断识别正确与否的原则是：

　　(1)当识别的结果与实际值误差在0.5m之内，并且角度变化在8°之内的目标认为是正确识别，否则认为是误识别。

　　(2)真实值中存在而系统没有识别出来的认为是漏检，误检和漏检都认为是错误识别。

　　(3)真实值中没有，但是系统识别出来的车道线算是误识别。

　　根据本文提出的车道线识别算法，分别选取了上述三种结构化道路场景的500帧图像进行测试，识别率对照表如下所示。

　　(二)响应速度分析

　　运行MATLAB软件需要耗费很多的系统资源，使得算法在其下的运行速度比较慢，所以不适合用MATLAB进行算法的响应速度测试。本文提出的算法先用C语言实现，然后在Linux环境下使用gettimeofday()函数来计算运行时间。本文算法在Ubuntu Linux平台上的处理时间平均约为27.8ms.

　　本文提出的车道线识别算法在识别能力和响应速度上都比以往的算法有所提高，能够满足实际应用的需要，但性能还需要进一步的优化。

　　结束语

　　基于达芬奇技术的OMAP3530实现了车道线识别检测的功能。ARM核控制OV7670摄像头捕获到道路图像，然后经由DSP/BIOS Link传输到DSP核，由DSP核完成车道线的识别检测，最后提取到清晰的车道标志线。试验结果表明，本算法可以保证车道线识别的准确性、实时性和鲁棒性，能够满足实际需要。

　　表1两种算法识别率对照表