用于车道偏离检测的高效算法



用于车道偏离检测的高效算法

先进驾驶辅助系统（ADAS）被用于预防车祸。特别是车道偏离预警系统（LDWS）作为ADAS中最基本和必不可少的一部分，其可以在车辆偏离车道时警告驾驶员。这种基于照相机和车道检测程序的LDWS功耗低，而且必须与其它驾驶辅助程序共享中央处理器（CPU）、随机存取存储器（RAM）、只读存储器（ROM）等资源。此外，为了吸引消费者，该系统应该价格低廉。因此，LDWS中的车道检测程序应该简洁、短小、高效。

以前的车道检测程序可以归结为3类：直线或曲线匹配算法、色彩算法和学习算法。曲线匹配算法的典型代表是使用B-Snake算法进行车道检测与跟踪，其在车道线是弯曲的情况下也有较好的性能，但需要较长的时间寻找车道线。色彩算法迅速高效，但易受到光照表面急剧变化的环境影响。学习算法很难收集到训练数据。

提出一种高效的车道偏离检测算法，该算法适用于类似汽车黑盒子的低计算能力的系统。首先，提取候选点，这些点支持提取假设的两条车道线，在这一步使用哈尔特征以便利用完整图像移除计算冗余。然后，利用自定义的规则检验上述假设。这些规则基于照相机安装于汽车中心。最后，如果检测到车道线，就执行车道偏离检测步骤。结果实现了90.16%的检测率，没采用并行计算的情况下每帧处理时间大约为0.12ms。

将来会利用类似于随机抽样一致性的鲁棒算法来扩展车道偏离检测算法，以使其可以处理更多不同的情况，如挡风玻璃受到污染、雨刷摆动、道路上有阴影。

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

编译：周建鹏