[論文レビュー] A Robust Lane Detection and Departure Warning System

Mrinal Haloi, Dinesh Babu Jayagopi|arXiv (Cornell University)|Apr 28, 2015

Autonomous Vehicle Technology and Safety参考文献 15被引用数 5

ひとこと要約

本論文は、インドの困難な道路状況に特化した耐障害性の高い単一カメラ用レーン検出および逸脱警告システムを提示する。このシステムは、照度不変のLab色空間、2次および4次スカラブルフィルタ、および修正された逆射影マッピング（IPM）を用い、レーンマークが存在しない場合でさえもレーンマークと道路境界を検出する。その後、RANSACに基づく多項式フィッティングとオプティカルフローを用いて逸脱角度を推定し、インドの道路データで90.58%の正確性を達成し、40mの範囲で最先端の手法を上回った。

ABSTRACT

In this work, we have developed a robust lane detection and departure warning technique. Our system is based on single camera sensor. For lane detection a modified Inverse Perspective Mapping using only a few extrinsic camera parameters and illuminant Invariant techniques is used. Lane markings are represented using a combination of 2nd and 4th order steerable filters, robust to shadowing. Effect of shadowing and extra sun light are removed using Lab color space, and illuminant invariant representation. Lanes are assumed to be cubic curves and fitted using robust RANSAC. This method can reliably detect lanes of the road and its boundary. This method has been experimented in Indian road conditions under different challenging situations and the result obtained were very good. For lane departure angle an optical flow based method were used.

研究の動機と目的

• 頻繁な影、劣化したレーンマーク、変動する照明を伴う現実のインドの道路状況に耐えうる耐障害性の高いレーン検出および逸脱警告システムの開発。
• 発展途上国における道路環境の主な課題である、目に見えるレーンマークが存在しない状況でも道路境界を検出可能にする。
• カメラの内部パラメータに依存するのを減らすために、外部パラメータのみを用いた修正されたIPM定式化を採用。
• Lab空間における照度不変の色表現により、照明変化への耐性を向上。
• ドライバ支援の向上を目的として、オプティカルフローを用いた正確なレーン逸脱角度推定を提供。

提案手法

• 画像を鳥眼視点に変換するために、カメラの外部パラメータのみを用いた修正された逆射影マッピング（IPM）を適用し、不要な領域を低減し、レーン特徴の局所化を向上。
• Lab色空間における輝度成分と色彩成分の分離により、照度不変の表現を実現し、影や直射日光への感受性を低減。
• 2次および4次スカラブルフィルタを用いて水平および垂直エッジ特徴を検出することで、ノイズおよび外れ値に対する耐性を強化。
• レーンマークは立方曲線としてモデル化され、RANSACを用いてフィッティングされ、誤検出および遮蔽に対する耐性を確保。
• IPM空間でオプティカルフローを計算し、車両の運動を推定し、周囲の特徴の相対的運動に基づいて潜在的なレーン逸脱を検出。
• レーンマークとは独立してエッジ構造と継続性を分析することで道路境界検出を実施し、未舗装道路でも検出可能に。

実験結果

リサーチクエスチョン

• RQ1 レーン検出システムは、影、劣化したレーンマーク、変動する照明を伴うインドの厳しい道路状況でも高い正確性を達成できるか？
• RQ2 照度不変の色空間（Lab）を用いることで、動的照明下でのレーン検出の耐障害性がどの程度向上するか？
• RQ3 レーンマークが存在しない状況でも道路境界を信頼性高く検出可能か？また、この能力は発展途上国における安全性向上にどのように寄与するか？
• RQ4 スカラブルフィルタとRANSACの組み合わせが、レーン特徴抽出における外れ値およびノイズに対する耐性をどの程度向上させるか？
• RQ5 提案手法のオプティカルフローに基づく逸脱警告システムは、実時間走行シナリオにおいて従来手法と比較してどの程度優れた性能を示すか？

主な発見

• インドの道路データセットにおいて、エゴレーン検出の正答率が90.58%に達し、誤検出率は12.37%であった。これは、現実の走行環境下でも優れた性能を示している。
• インドの道路データセットにおける道路境界検出の正確性は94.25%に達し、レーンマークが存在しない状況でも境界検出が可能であることを確認した。
• KITTIデータセットでは、20mで95.17%、30mで95.17%、40mで93.76%の精度を達成し、40m範囲で複数の最先端手法を上回った。
• Lab色空間と照度不変処理の使用により、影や直射日光を含む変動する照明下でも検出正確性が顕著に向上した。
• アルゴリズムは曲がりくねったレーンマークを正常に検出し、平面的または直線的な道路幾何構造を仮定しない非直線道路環境でも耐障害性を維持した。
• 4コア2.3GHz CPUで1フレームあたり0.029秒で処理が可能であり、ADASへの実装に向けたリアルタイム実行可能性を示した。