[論文レビュー] Real-time Lane detection and Motion Planning in Raspberry Pi and Arduino for an Autonomous Vehicle Prototype

Alfa Rossi, Nadim Ahmed+3 more|arXiv (Cornell University)|Sep 20, 2020

Autonomous Vehicle Technology and Safety参考文献 14被引用数 7

ひとこと要約

本論文では、ラズベリー・パイ3Bとアーセンディオ・ユニオを用いて、レーン検出および運動計画を実行する低コストでリアルタイムの自律走行車両プロトタイプを提示する。Cannyエッジ検出、ハフ変換、およびカルマンフィルタリングを用いて、レーンを検出し、中央線のステアリング基準を算出し、軌道計画を滑らかにする。制御されたテスト環境において、安定したリアルタイム性能を達成し、レーン追従および運動制御に成功した。

ABSTRACT

This paper discusses a vehicle prototype that recognizes streets' lanes and plans its motion accordingly without any human input. Pi Camera 1.3 captures real-time video, which is then processed by Raspberry-Pi 3.0 Model B. The image processing algorithms are written in Python 3.7.4 with OpenCV 4.2. Arduino Uno is utilized to control the PID algorithm that controls the motor controller, which in turn controls the wheels. Algorithms that are used to detect the lanes are the Canny edge detection algorithm and Hough transformation. Elementary algebra is used to draw the detected lanes. After detection, the lanes are tracked using the Kalman filter prediction method. Then the midpoint of the two lanes is found, which is the initial steering direction. This initial steering direction is further smoothed by using the Past Accumulation Average Method and Kalman Filter Prediction Method. The prototype was tested in a controlled environment in real-time. Results from comprehensive testing suggest that this prototype can detect road lanes and plan its motion successfully.

研究の動機と目的

• 人為的介入なしにレーン検出および運動計画が可能な、低コストでリアルタイムの自律走行車両プロトタイプの開発。
• ラズベリー・パイ3Bを用いて画像処理を実行し、アーセンディオ・ユニオを用いてPID制御によるモータ制御を統合。
• リソース制限のあるハードウェア上でOpenCVおよびPythonを用いて、ビデオストリームのリアルタイム処理を実現。
• カルマンフィルタリングと過去の積算平均を用いて、ステアリングの精度と安定性を向上。
• 制御された環境下で、リアルタイムのレーン追従および運動制御を確認する。

提案手法

• ラズベリー・パイ3BがPiカメラ1.3から得られるリアルタイムのビデオをPython 3.7およびOpenCV 4.2を用いて処理する。
• Cannyエッジ検出により、事前処理済みのグレースケール画像内のレーンエッジを特定する。
• ハフ変換により、エッジ検出画像から直線セグメント（レーンマーク）を検出する。
• 2本の検出されたレーン線間の中央点を初期のステアリング基準として計算する。
• カルマンフィルタ予測を用いて、時間経過に伴う推定レーン中央点の滑らかさを向上させ、軌道安定性を向上させる。
• 過去積算平均法により、ジャイタの低減とより良好な経路追従性を実現するため、ステアリング方向をさらに最適化する。

実験結果

リサーチクエスチョン

• RQ1 ラズベリー・パイとアーセンディオを用いた低コストな埋め込みシステムは、制御された環境下でリアルタイムのレーン検出および運動計画を達成できるか？
• RQ2 Cannyエッジ検出とハフ変換の組み合わせは、リアルタイムのビデオストリームにおけるレーン線抽出にどの程度効果的か？
• RQ3 カルマンフィルタリングは、推定レーン中央点の安定性と正確性をどの程度向上させるか？
• RQ4 過去積算平均法は、直接の中点推定と比較して、どのように滑らかなステアリング制御に寄与するか？
• RQ5 統合されたシステムは、リアルタイム処理制約下でも一貫したレーンキーピング性能を維持できるか？

主な発見

• プロトタイプは、ラズベリー・パイ3B上でCannyエッジ検出とハフ変換を用いて、リアルタイムでレーンマークを検出できた。
• カルマンフィルタリングは、推定レーン中央点の滑らかさと時間的安定性を顕著に向上させた。
• 過去積算平均法により、ステアリングコマンドのジャイタが低減し、より滑らかな車両運動が実現された。
• 低遅延処理が可能であり、埋め込みデプロイメントに適したリアルタイム性能を達成した。
• 制御された環境下での包括的なテストにより、人為的介入なしにレーン検出および運動計画が効果的に実行可能であることが確認された。