资料下载
基于TMS320DM6437的车道偏离报警系统设计
分享资料个
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）=me dia n{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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
