车道检测算法在异构架构中嵌入性研究.pdfVIP

车道检法在异构架构上的可嵌入性

?†?††

Romain索萨德布巴克·布济德·瓦西柳·雷诺

?RenaultS.A.S.

†基础电子‑巴黎第十一大学{romain.saussard，

boubker.bouzid}@{marius.vasiliu，

roger.reynaud}@u‑psud.fr

和一个ISP），以及德州仪器的TDA2xSoC[5]

车道检测在高级驾驶辅助系统（ADAS）或自动驾驶应（ARM、DSP和EVE矢量处理器）。这类SoC为在汽

用中起着至关重要的作用。文献表明，许多车道检车领域中嵌入图像处理算法了一个良好的解决方

法可以在实时条件下取得良好的效果。然而，它们需要案，因为它能够在低功耗的情况下实现高性能计算。

大量的计算处理，深度软件优化无法嵌入到车辆本文讨论了车道检法在异构架构上的可嵌入性。

ECU中。在本文中，我们通过比较最先进的车道检首先研究不同的车道检测方法、它们的结果并识

法的功能性能和计算时间，讨论其可嵌入性。我们识别别其瓶颈。然后讨论它们如何适应嵌入式处理，以

出车道检测中哪些关键部分耗时较多，并表明这些部分及不同方法可以达到怎样的性能。

可以在嵌入式系统上实时计算。

2.车道检法

索引术语—ADAS，车道检测，嵌入式处理车道检法的目的是找到道的车道位置并对其进行

特征描述。基于[6],，车道检法可以分为四个部分：

1.引言•图像预处理：该步骤旨在增强输入图像，以便在特

征提取中获得更好的结果。它可以是处理光照

车载车道检测系统是ADAS应用的重要组成部分。实际

变化（例如车辆进入隧道时）的算法、颜色空间转

上，它可以用于系统（例如，在情况下提醒驾

换、感区域（ROIs）提取等。

驶员：车道偏离）或主动系统（车道保持辅助或车

道居中辅助）。•特征提取：从图像中提取低级特征。用于此步骤的

在过去二十年中，车道检测已被深入研究[1,2,3,4]。算法可以是梯度计算、颜色分割、阈值处理、逆透

然而，尽管汽车制造商和供应商对这类研究感，嵌视映射（IPM）。IPM（也称为鸟瞰图）包括对图

入式车道检测的研究仍相对较少。一些汽车供应商已经像应用单应性变换以获得平行线。

了用于车道检测的嵌入式解决方案。他们生产能够

执行嵌入式实时车道检测的智能头，算法由头•车道模型拟合：为了寻找潜在的车道，会使用车道

内的FPGA/ASIC计算。然而，最先进的算法显示出更好的几何模型（2D或3D）作用于提取到的特征上。

的效果。