用于車道偏離檢測的高效算法

?

用于車道偏離檢測的高效算法

先進駕駛輔助系統（ADAS）被用于預防車禍。特別是車道偏離預警系統（LDWS）作為ADAS中最基本和必不可少的一部分，其可以在車輛偏離車道時警告駕駛員。這種基于照相機和車道檢測程序的LDWS功耗低，而且必須與其它駕駛輔助程序共享中央處理器（CPU）、隨機存取存儲器（RAM）、只讀存儲器（ROM）等資源。此外，為了吸引消費者，該系統應該價格低廉。因此，LDWS中的車道檢測程序應該簡潔、短小、高效。

以前的車道檢測程序可以歸結為3類：直線或曲線匹配算法、色彩算法和學習算法。曲線匹配算法的典型代表是使用B-Snake算法進行車道檢測與跟蹤，其在車道線是彎曲的情況下也有較好的性能，但需要較長的時間尋找車道線。色彩算法迅速高效，但易受到光照表面急劇變化的環境影響。學習算法很難收集到訓練數據。

提出一種高效的車道偏離檢測算法，該算法適用于類似汽車黑盒子的低計算能力的系統。首先，提取候選點，這些點支持提取假設的兩條車道線，在這一步使用哈爾特征以便利用完整圖像移除計算冗余。然后，利用自定義的規則檢驗上述假設。這些規則基于照相機安裝于汽車中心。最后，如果檢測到車道線，就執行車道偏離檢測步驟。結果實現了90.16%的檢測率，沒采用并行計算的情況下每幀處理時間大約為0.12ms。

將來會利用類似于隨機抽樣一致性的魯棒算法來擴展車道偏離檢測算法，以使其可以處理更多不同的情況，如擋風玻璃受到污染、雨刷擺動、道路上有陰影。

M.P. Heechul Jung et al. 2013 IEEE Intelligent Vehicles Symposium (IV), Australia-June 23-26,2013.

編譯：周建鵬