一. 概述
前文回顧，從上一篇 APEX 進階建置方式，介紹了一系列 APEX Kernel 的建置方法。接下來，將回到上一章節簡單的 APEX-CV 應用。嘗試以原廠現有的資源，將既有的車道偏移算法，從 OpenCV 替換成 APEX-CV 來做運算，並達到處理速度一定程度上的優化 。如同下圖 “APEX 技術指南-文章架構示意圖” 所示，此次介紹章節為 “ APEX-CV 實際應用車道偏移偵測“ 。
若是對於 APEX 相關技術與知識尚未理解者，該篇文章難度略深，請從另一個系列的文章 “ APEX 基礎架構 ” 閱覽起。
二. 車道偏移偵測演算法
車道偏移偵測演算法(Lane Departure Warning , LDW) 為 先進駕駛輔助系(Advanced Driver Assistance Systems, ADAS) 車用安全最主要的系統之一，將替駕駛者預判行駛過程中，判斷駕駛狀態是否有發生車道偏移的現象，並適當給予警示 。
而此篇文章將以影像作為輸入源，來簡單介紹車道偏移偵測 LDW 的演算法。
車道偏移偵測 LDW 演算法流程圖
如上圖所示，為車道偏移偵測 LDW 演算法流程圖。與大多數的車道偏移算法相似都是以 “ 霍夫轉換(Hough Transform) “ 作為偵測車道線的核心算法。而這算法為本人碩士論文之研究，其步驟從取得輸入端的影像，並將影像轉換成灰階影像後。即可透過 感興趣區域(ROI) 的方式，將影像分為左右兩側，以利於凸顯車道資訊。接下來，利用最大關聯度準則來找到適當的閥值，並產生二值化與細線化的影像。以及藉由最初的角度範圍設定，減少霍夫轉換所需的運算量。最後就是以霍夫轉換來找出最佳的車道線，透過這樣的方式就可以輕易的設計出一套 “車道偏移偵測演算法＂，其結果如下圖所示。下一小節，將介紹如何將 APEX-CV 運用至算法中。
PS : 霍夫轉換，是利用直角坐標轉換為極坐標，並統計角度與截距，找出累計最多的角度與截距之組合，就是該影像資訊中最具明顯的線段。
車道偏移偵測 LDW 示意圖
三. 車道偏移偵測演算法改良
此小節，將介紹如何使用現有的 APEX-CV 資源，去取代原本算法中 OpenCV ，來達到運算速度某一程度上的優化 !! 目前經過查閱後，得知可以直接取代的算法，有兩個部分 ；分別為 色彩空間轉換(Color Space Transform) 與 二值化(Binary) 這兩個算法動作。這裡比較可惜的事，主要核心算法的部分 霍夫轉換(Hough Transform)，雖然原廠有提供此算法但因有尺寸的限制，仍需進行改良故暫不引用。如圖所示，預計利用 APEX-CV 取代 OpenCV 算法，就是橘色方塊所代表的部分。下列也介紹了該如何利用 APEX-CV 取代 OpenCV 代碼，請查看代碼。
車道偏移偵測 LDW 演算法-流程改良示意圖
色彩空間轉換(Color Space Transform)
OpenCV 代碼
運算速度 ->
APEX-CV 代碼
色彩空間轉換 (APEX_Converter_RGB888toGray) 函式 :
運算速度 ->
二值化(Binary)
OpenCV 代碼
運算速度 ->
APEX-CV 代碼
二值化 (APEX_BinaryImage) 函式 :
運算速度 ->
四. 參考文件
[1] NXP Official website : https://www.nxp.com/
[2] VisionSDK_ProgrammingExamples.pdf
[3] VisionSDK_UserGuide.pdf
[4] VisionSDK_SUMat_UMat.pdf
[5] UG-10328-01-09_APEX-CV_Base_Library .pdf
[6] UG-10328-02-11_APEX-CV_Pro_Library.pdf
[7] UG-10267-03-14-ACF_User_Guide.pdf
[8] UG-10301-00-06_APU-2_C_Programmer_Guide pdf
[9] Chong-Wei Li , Jui-Cheng Yen and Hun-Chen Chen, "Safe Driving Monitoring System", June. 2014.
如有任何相關 APEX 技術問題，歡迎至博文底下留言提問 !!
接下來還會分享更多 APEX 的技術文章 !!敬請期待 【 ATU Book-S32V系列 】 !!
評論