(一)識別效果分析此分析的實驗是在MATLAB上進行的。測試評估是通過本文的識別算法的效果與人工掃描獲得的圖像真實值進行比較得出算法的各項指標。判斷識別正確與否的原則是：

　　(1)當識別的結果與實際值誤差在0.5m之內，并且角度變化在8°之內的目標認為是正確識別，否則認為是誤識別。

　　(2)真實值中存在而系統沒有識別出來的認為是漏檢，誤檢和漏檢都認為是錯誤識別。

　　(3)真實值中沒有，但是系統識別出來的車道線算是誤識別。

　　根據本文提出的車道線識別算法，分別選取了上述三種結構化道路場景的500幀圖像進行測試，識別率對照表如下所示。

　　(二)響應速度分析

　　運行MATLAB軟件需要耗費很多的系統資源，使得算法在其下的運行速度比較慢，所以不適合用MATLAB進行算法的響應速度測試。本文提出的算法先用C語言實現，然后在Linux環境下使用gettimeofday()函數來計算運行時間。本文算法在Ubuntu Linux平臺上的處理時間平均約為27.8ms.

　　本文提出的車道線識別算法在識別能力和響應速度上都比以往的算法有所提高，能夠滿足實際應用的需要，但性能還需要進一步的優化。

　　結束語

　　基于達芬奇技術的OMAP3530實現了車道線識別檢測的功能。ARM核控制OV7670攝像頭捕獲到道路圖像，然后經由DSP/BIOS Link傳輸到DSP核，由DSP核完成車道線的識別檢測，最后提取到清晰的車道標志線。試驗結果表明，本算法可以保證車道線識別的準確性、實時性和魯棒性，能夠滿足實際需要。

　　表1兩種算法識別率對照表