基于融合视觉和雷达的车道边界检测研究



基于融合视觉和雷达的车道边界检测研究

提出了一种不需要先验知识的融合摄像机和雷达传感器信息的不同种类道路边缘检测算法。该算法包括3个独立的模块：第一个模块通过梯度分析算法检测良好可视条件的道路标识的图像处理单元；第二个模块对道路图像进行分析处理，根据均匀道路表面和非道路表面之间的不规则来提取出道路边缘；第三个模块对采集到的雷达数据进行分析处理，从而检测出道路两边的静止护栏。最后，将各个模块的结果在卡尔曼滤波器中进行融合。由于每个道路边缘都有属于其单独的参数，因此该算法可以解决道路两边的边缘图像问题。

选取回旋曲线作为道路边界模型。对3个模块检测到的道路标识参数和道路边界参数，使用卡尔曼滤波器的方法进行更新输出。摄像机采集到的道路图像包含十分丰富的道路信息。道路图像处理后获得边缘图像，其中从道路表面到非道路，从道路标识到道路表面都具有很强的梯度特征。因此，可以采取逐行扫描的方法，即以一个宽度为w的水平线对道路图像进行逐行扫描。这一扫描线与道路标识和道路边缘会产生交叉点，根据这些交叉点检测道路分界线。但是，简单地使用这些交叉点会带来较多的误检测，因此考虑邻域扫描线并通过投票机制来获得误检测低的道路标识和道路边界。

对雷达检测信息的处理主要集中在对道路护栏或其它道路边界的检测。对检测出来的静止物体进行道路边缘分配之后，用最小二乘法拟合后获得道路边缘参数。

对从视觉传感器和雷达获得的道路边界线参数，通过使用两个卡尔曼滤波器进行融合，从而获得精度更高的道路边界参数。

Gold Coast.2013 IEEE Intelligent Vehicles Symposium (IV) June 23-26, 2013.编译：路顺杰