The invention relates to the technical field of lane detection and, more specifically, to an ultra-low power real-time lane detection method based on FPGA. An ultra-low power real-time lane detection method based on FPGA includes three parts: image preprocessing, lane detection and lane tracking; the invention uses OpenCL as a programming language and COTS components to build a basic platform for ADAS development, and proposes a scalable method which can coordinate the detection accuracy and speed cost. The reduced lane detection algorithm realizes the parallelization of lane detection algorithms on heterogeneous platforms, and greatly improves the speed of lane detection with acceptable accuracy. The low-cost and ultra-low-power Lane real-time detection is realized, which makes it possible to put ADAS into practical application.
【技术实现步骤摘要】
一种基于FPGA的超低功耗实时车道线检测的方法
本专利技术涉及车道线检测的
,更具体地,涉及一种基于FPGA的超低功耗实时车道线检测的方法。
技术介绍
在本专利技术之前的二十年中,已经有大量研究开发了车道线检测系统,例如霍夫变换随机线检测和可操纵过滤器等经典的算法,但这些算法都有着各种缺陷。如霍夫变换有量化误差,噪声和网格维数等问题,而且这些算法均为CPU串行执行,在速度和功耗方面表现较差。此专利中提出了一种可伸缩的车道线检测算法,可以在检测精度和速度之间进行调整。例如,由于光线条件不同,道路上的阻塞,建筑物或树木上的投影遮盖了车道线,这时候就需要提高计算精度来达到比较好的检测结果。
技术实现思路
本专利技术为克服上述现有技术所述的至少一种缺陷,提供一种基于FPGA的超低功耗实时车道线检测的方法,提高计算精度需要较大功耗,本方法可以FPGA上使用OpenCL平台实现超低功耗的检测和跟踪来自现场道路的车道线。本专利技术的技术方案是:在硬件方面,采用的是AlteraCycloneVSoCFPGA。主存为1GB,最大功率为4W,可支持并行优化后车道线检测代码实现超低功耗的车道线实时检测。在软件平台方面,采用OpenCL作为编写并行程序的框架。OpenCL提供了基于任务分割和数据分割的并行计算机制,支持多个异构平台协同工作,被广泛应用于并行加速领域。一个OpenCL应用程序在host上运行时可以连接多个加速设备,然后在加速设备上并行地运行OpenCL代码。在算法方面,开发了一种可伸缩的车道检测方法,以调节检测精度于计算成本之间的平衡,可实现检测和跟踪来自现场道路 ...
【技术保护点】
1.一种基于FPGA的超低功耗实时车道线检测的方法,其特征在于,包括图像预处理、车道线检测和车道线跟踪三个部分;所述的图像预处理,从传入的图像中选择一个感兴趣区域,该区域包含车道线的信息;首先将该部分转为灰度图像,然后用Sobel滤波器检测图像的边缘,最后通过一个阈值进行再次滤波,去除噪声和增强图像;所述的车道线检测,在预处理之后,ROI中会有高强度的像素带表示车道线;提取车道线的准确位置是车道检测和车道跟踪算法的任务;如果没有对车道线的估计,就执行车道线检测;在检测到车道线后,只在车道跟踪算法不能跟踪车道线时再进行车道线检测;在ROI中,我们假设车道线都是直线,因此一条车道线可以定义为两点,一个点在ROI顶部,一个在底部,直线可表示为
【技术特征摘要】
1.一种基于FPGA的超低功耗实时车道线检测的方法,其特征在于,包括图像预处理、车道线检测和车道线跟踪三个部分;所述的图像预处理,从传入的图像中选择一个感兴趣区域,该区域包含车道线的信息;首先将该部分转为灰度图像,然后用Sobel滤波器检测图像的边缘,最后通过一个阈值进行再次滤波,去除噪声和增强图像;所述的车道线检测,在预处理之后,ROI中会有高强度的像素带表示车道线;提取车道线的准确位置是车道检测和车道跟踪算法的任务;如果没有对车道线的估计,就执行车道线检测;在检测到车道线后,只在车道跟踪算法不能跟踪车道线时再进行车道线检测;在ROI中,我们假设车道线都是直线,因此一条车道线可以定义为两点,一个点在ROI顶部,一个在底部,直线可表示为因此可以通过以下关系来获取任意给定直线X的强度值:为了检测多个车道标记,ROI被垂直分割为多个区域,每个区域有一个车道标记每一条直线的强度是通过计算ROI内所有像素的强度之和来确定的;另外,在一个可调的邻域附近的像素也被添加到这个强度权重中:2Nn是可调邻域的宽度;选择具有最高强度权重的候选线作为车道标记候选线是通过正态分布后采样其x-top和x-bottom来创建的,使用更多的候选线可以获得更好的检测效果,...
【专利技术属性】
技术研发人员:黄凯,崔明月,周晓梅,李博洋,杨俊杰,朱笛,张文权,康德开,
申请(专利权)人:中山大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。