基于激光雷達回波信號的霧天車道線快速檢測

摘 要： 當前主要通過深度神經網絡模型提取路面車道線，并設計能見度檢測網絡，根據車道線可見長度檢測路面車道線。但是，在霧天，基于深度分割神經網絡設計編碼解碼結構非相關因素過多，無法通過其提取車道線特征圖，無法準確檢測圖像坐標系下可見車道線的高度。針對霧天駕駛時的視覺障礙問題，以激光雷達技術為支撐，提出霧天車道線快速檢測方法。根據激光雷達回波信號中每個回波脈沖寬度級的掃描點數，采用最小類內方差算法，閾值分割路面與車道線掃描點，由3σ 準則分離出車道線的種子點后，基于高斯核函數加權搜索的生長準則，經區域生長得到完整的車道線種子點集。基于密度的空間聚類算法二次聚類獲取的車道線種子點集，得到車道線的識別結果。以識別結果為基礎，建立拋物線模型，結合隨機采樣一致性算法和最小二乘法，依據擬合分值迭代取得最優模型，通過擬合完成車道線檢測。實驗結果表明：該方法屏蔽霧天干擾引起的非相關因素，清晰檢測出霧天環境中的多種車道線。在霧天環境車道線檢測中，交并比高于0.95，F1 值高于96%，可以滿足準確性和實時性需求，為霧天駕駛提供有效的解決方案。

關鍵詞： 霧天環境; 激光雷達; 回波信號脈沖寬度; 基于密度的空間聚類算法; 拋物線; 車道線檢測

中圖分類號： TB9; TN95 文獻標志碼： A 文章編號： 1674–5124（2024）11–0120–09

0 引 言

智能汽車通過自主駕駛、車輛安全、智能控制等功能，極大地提高了道路交通的安全性和效率[1]。作為自動駕駛技術的核心技術，車道線檢測對于實現車輛的自主導航、障礙物規避和路徑規劃等功能至關重要[2-3]。在車道線檢測技術的輔助下，自動駕駛系統或駕駛員可以根據實時識別的車道線位置和方向信息，自主控制或輔助駕駛車輛，從而避免因人為失誤而引發的交通事故。此外，在霧天等低能見度環境下，車道線檢測技術實時地檢測和識別車道線，給予駕駛員及時的提示和警示，幫助駕駛員保持正確的行車軌跡，避免意外事故的發生。除了自動駕駛領域，車道線檢測技術還可應用于車輛智能監控、停車場智能管理等領域，其廣泛的應用前景備受關注。

蔡創新等[4] 提出了一種新型車道線檢測算法，通過多特征融合和窗口搜索的方式實現對車道線檢測準確性和實時性的平衡，并具有較高的魯棒性。常振廷等[5] 通過基于網格分類與縱橫向注意力的方法，實現了車道線檢測在城市道路復雜場景下的準確定位和細節特征增強，提升了車道線檢測的準確性。方遒等[6] 提出了一種基于多尺度復合卷積和圖像分割融合的車道線檢測算法，通過結合不同尺寸的空洞卷積和其他類型卷積來解決空洞卷積造成的信息丟失問題，同時使用圖像分割融合模塊增強全局特征的關注度，并采用加權交叉熵損失函數進行網絡訓練和優化。但是上述方法受光照和天氣條件的影響較大，可能在實際應用中無法有效地提取車道線的特征，導致算法在檢測車道線時存在不準確的問題。Kortli 等[7] 提出了一種基于卷積神經網絡編碼器-解碼器和長短期記憶網絡的實時深車道檢測系統，旨在提高車道線檢測精度和實時性能，特別適用于動態環境和復雜路況，通過卷積神經網絡提取深層特征、解碼器映射低分辨率特征圖，以及長短期記憶網絡處理歷史數據來改善檢測結果。Haris 等[8] 研究了一種基于卷積神經網絡的車道線檢測和偏離估計方法，通過引入非對稱核卷積結構來提高計算效率和準確率，實現了在復雜道路環境中的實時車道線檢測。關恬恬等[9] 提出了一種基于ARM 嵌入式平臺的高效車道線檢測算法，通過優化語義分割網絡結構、引入卡爾曼濾波跟蹤、模型輕量化處理及TensorRT 加速，實現了高精度檢測和實時性檢測，適用于復雜交通場景。崔明義等[10]提出了一種基于深度可分離卷積和殘差注意力模塊的車道線檢測方法，通過減小圖像尺寸、降低網絡參數數量以及引入注意力機制，實現了全天候條件下高精度、高效的車道線檢測。郭心悅等[11] 構建了一個結合Lanenet 算法、圖像增強技術和非對稱卷積金字塔模塊的多車道線檢測網絡，旨在通過圖像增強和特征融合提高車道檢測的準確性和實時性。葛澤坤[12] 提出一種基于改進多頭注意力機制的輕量級車道檢測方法，通過引入多頭注意力機制和上下文信息嵌入模塊，降低模型參數并提升全局注意力，同時結合參數化車道線和匈牙利擬合損失函數，增強對車道線細長結構的建模能力。上述方法主要使用神經網絡方法，如果訓練所使用的數據集不足或者類別不平衡，那么神經網絡在訓練時可能無法充分地學習到各種場景下車道線的特征，導致霧天難以準確地檢測車道線。

綜合已有研究分析可知，車道線檢測領域的主流方法高度依賴于深度學習算法，這類方法通常需要海量的標注數據來訓練模型，以便精準地捕捉車道線的特征。然而，在霧天環境中，由于能見度的急劇下降以及霧天特有的光線散射和折射效應，車道線的視覺特征會發生顯著變化，獲取大量高質量且符合特定光線條件的標注數據變得異常困難，增加了數據收集和模型訓練的復雜性和難度。因此，為了應對霧天環境中光線條件的不利影響，本文提出了一種基于激光雷達回波信號的霧天車道線快速檢測方法。利用3σ 準則來消除車道線檢測中的粗大誤差，有效提高車道線種子點的分離準確度。采用基于密度的空間聚類算法進行種子點二次聚類，進一步減少種子點質量對車道線識別結果的干擾。采用以拋物線為基本方法進行車道線擬合，能夠滿足直線型、曲線型等不同類型車道線的檢測需求。通過上述方法的綜合應用，所提方法優化了霧天環境中的車道線檢測效果，優化了實際應用性能。