Vision-Based Lane Detection and Tracking under Different Challenging Environmental Conditions

要約

車線区分線の検出は、高度な運転支援システムと交通監視システムの両方にとって不可欠です。
しかし、実際の困難な環境や悪天候のために道路の車線標示の視認性が低く、不明瞭であるか、しばしば見えない場合、車線を検出することは非常に困難です。
車線検出方法のほとんどは、次の 4 種類の課題に悩まされています。
(ii) 自然災害や悪天候によって浸食、ぼやけ、破線、着色、ひび割れが生じた車線の視界の不明瞭。
(iii) 周囲からのさまざまな物体によるレーンマークの閉塞。
(iv) ガードレール、路面標示、道路分割線などの紛らわしい線の存在。
ここでは、3つのキーテクノロジーを紹介しました。
最初に、異なる強度のレーン エッジを検出するキャニー オペレーターのパフォーマンスを向上させるために、包括的な強度しきい値範囲 (CITR) を導入します。
次に、ロバストな車線検証手法である角度と長さに基づく幾何学的制約 (ALGC) とそれに続くハフ変換を提案して、車線マーキングの特性を検証し、誤った車線検出を防止します。
最後に、前のフレームの車線位置に対して更新される水平車線位置の範囲を定義することにより、次のフレームの車線位置を予測する新しい車線追跡技術を提案します。
提案された方法のパフォーマンスを評価するために、24 フレーム/秒で解像度 1080×1920 の DSDLDE [1] データセットを使用しました。
実験結果によると、平均検出率は 97.36% で、フレームあたりの平均検出時間は 29.06 ミリ秒で、最先端の方法よりも優れています。

要約(オリジナル)

Lane marking detection is fundamental for both advanced driving assistance systems and traffic surveillance systems. However, detecting lane is highly challenging when the visibility of a road lane marking is low, obscured or often invisible due to real-life challenging environment and adverse weather. Most of the lane detection methods suffer from four types of challenges: (i) light effects i.e. shadow, glare of light, reflection etc. created by different light sources like streetlamp, tunnel-light, sun, wet road etc.; (ii) Obscured visibility of eroded, blurred, dashed, colored and cracked lane caused by natural disasters and adverse weather; (iii) lane marking occlusion by different objects from surroundings; and (iv) presence of confusing lines e.g., guardrails, pavement marking, road divider etc. In this paper, we proposed a simple, real-time, and robust lane detection and tracking method to detect and track lane marking. Here, we introduced three key technologies. First, we introduce a comprehensive intensity threshold range (CITR) to improve the performance of the canny operator in detecting lane edges of different intensity. Second, we propose a robust lane verification technique, the angle and length-based geometric constraint (ALGC) followed by Hough Transform, to verify the characteristics of lane marking and to prevent incorrect lane detection. Finally, we propose a novel lane tracking technique, to predict the lane position of next frame by defining a range of horizontal lane position which will be updating with respect to the lane position of previous frame. To evaluate the performance of the proposed method we used the DSDLDE [1] dataset with 1080×1920 resolutions at 24 frames/sec. Experimental results show that the average detection rate is 97.36%, and the average detection time is 29.06msec per frame, which outperformed the state-of-the-art method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google