[論文レビュー] Vehicle Local Position Estimation System

Mrinal Haloi, Dinesh Babu Jayagopi|arXiv (Cornell University)|Mar 23, 2015

Vehicle License Plate Recognition参考文献 1被引用数 6

ひとこと要約

本論文では、1台のカメラとGPSを用いた耐障害性のある車両局所位置推定システムを提案する。修正された逆透視マッピング、光線不変色空間（Lab）、RANSACベースのレーン検出を組み合わせることで、レーン位置、道路境界、周囲の車両動態を推定する。KITTIデータセットでは94.26%、Caltechデータセットでは97.14%のレーン検出精度を達成し、影や明るい日差しの下でも優れた性能を示す。

ABSTRACT

In this paper, a robust vehicle local position estimation with the help of single camera sensor and GPS is presented. A modified Inverse Perspective Mapping, illuminant Invariant techniques and object detection based approach is used to localize the vehicle in the road. Vehicles current lane, its position from road boundary and other cars are used to define its local position. For this purpose Lane markings are detected using a Laplacian edge feature, robust to shadowing. Effect of shadowing and extra sun light are removed using Lab color space and illuminant invariant techniques. Lanes are assumed to be as parabolic model and fitted using robust RANSAC. This method can reliably detect all lanes of the road, estimate lane departure angle and local position of vehicle relative to lanes, road boundary and other cars. Different type of obstacle like pedestrians, vehicles are detected using HOG feature based deformable part model.

研究の動機と目的

• 実時間でのレーン、道路境界、周囲の車両との相対的車両位置推定を可能にすることで、ドライブの安全性を向上させること。
• 変動する照明条件や遮蔽がある複雑な都市環境における正確な車両位置推定の課題に対処すること。
• 視覚的認識とGPSデータを統合することで、全体的および局所的な位置推定精度を向上させるシステムの開発。
• HOGベースの可変部分モデルを用いて他の車両や障害物を検出し、トラッキングすることで、動的交通状況への認識を高めること。
• Lab色空間とスティーブルフィルタを用いることで、影や直射日光下でもレーン検出の耐障害性を向上させること。

提案手法

• 車両屋根に設置された広角カメラを用い、155 cmの高さから道路状況を撮影することで、包括的な道路環境センシングを実現。
• 光線不変性を実現するため、Lab色空間における技術を適用し、影や直射日光がレーン検出に与える影響を低減。
• 2次および4次スティーブルフィルタを用いて水平エッジを耐障害的に抽出し、エッジ検出における誤検出を最小限に抑える。
• 修正された逆透視マッピング（IPM）を実装し、2次元画像座標を鳥瞰図に変換することで、レーンモデルの簡素化を図る。
• RANSACを用いて検出されたレーンマークを放物線モデルにフィットさせ、レーンのカーブおよび位置の耐障害性のある推定を実現。
• 周囲の車両や障害物の検出と局所化にHOGベースの可変部分モデル（DPM）を用い、相対運動を推定するための光学フロー解析を併用。

実験結果

リサーチクエスチョン

• RQ1 実世界の走行条件下で、1台のカメラとGPSのみを用いて、車両の局所位置を正確に推定する方法は何か？
• RQ2 影や直射日光といった厳しい照明条件下で、レーン検出の耐障害性を向上させる技術は何か？
• RQ3 周囲の車両や道路境界の相対的位置を信頼性高く推定することで、状況認識をどのように向上させられるか？
• RQ4 視覚的認識とGPSデータを統合することで、全体的な車両位置推定精度はどの程度向上するか？
• RQ5 画像処理に依存するシステムは、複雑な都市交通環境でも信頼性ある性能を発揮できるか？

主な発見

• KITTIデータセットでは94.26%、Caltechデータセットでは97.14%のレーン検出精度を達成し、多様な道路状況にわたる優れた一般化性能を示した。
• KITTIでは98.44%、Caltechでは98.36%の道路境界検出精度を達成し、境界推定の高信頼性を示した。
• インドの道路状況では、遮蔽や変動する照明が強いにもかかわらず、90.58%のレーン検出精度と94.25%の境界検出精度を維持した。
• 光線不変性を実現するためのLab色空間の使用は、標準RGBと比較して特に直射日光や影の下でも、レーン検出性能を顕著に向上させた。
• HOGベースのDPMは高い物体検出精度を達成し、周囲の車両や障害物の信頼性ある局所化を可能にした。
• 光学フロー解析は、近隣車両の相対運動を効果的に捉え、安定したフローは類似速度を、急激な変化は加速または減速を示した。