基于TMS320DM6437的車道偏離報警系統(tǒng)設計

　　在進行道路邊界識別之前，要對獲取的前方道路圖像進行預處

　　理，主要包括濾波、邊緣增強和二值化。本文采用如式（1）所示的中值濾

　　波器對圖像進行濾波。

　　f（x，y）=me dia n{Sf（x，y）} （1）

　　式中，Sf（x，y）是像素點 f（x，y）附近的一個小區(qū)域。

　　對經(jīng)過中值濾波的圖像采用 Sobel 算子進行邊緣增強。針對車道

　　線檢測，基于一階導數(shù)的 Sobel 算子能夠發(fā)揮更好的效果，由于需要

　　判別的有效車道線是近似于垂直方向的，算法只使用了 Sobel 算子的

　　水平梯度進行處理，這樣做的另一個好處就是減小了算法的耗時。

　　經(jīng)過 Sobel 算子增強后，道路圖像仍然包括大量無用信息，為了

　　減小這些無用信息的影響和便于運算，要對圖像進行二值化處理。在

　　圖像二值化處理中，閾值的選擇是關鍵，其直接影響著識別的效果。固

　　定閾值的二值化方法通過選取固定的閾值，針對亮度固定的圖像具有

　　較好的處理效果。但由于 LDWS 算法所要處理的圖像是不同的路段圖

　　像，不同光照情況下，其亮度變化較大，所以不適合使用固定閾值法。

　　迭代法二值化算法通過對于圖像整幅亮度進行分析，自動確定閾值，

　　克服了固定閾值二值化的缺點。逐行迭代法二值化，針對圖像每行的

　　像素進行亮度分析，確定每行像素的分割閾值，從而排除了整幅圖像

　　對于車道線識別的干擾。而且其時間復雜度與迭代法二值化相比，相

　　差不多，所以算法中采用逐行迭代法二值化算法。