[论文解读] Dynamic Approach for Lane Detection using Google Street View and CNN

Rama Sai Mamidala, Uday Uthkota+3 more|arXiv (Cornell University)|Sep 2, 2019

Autonomous Vehicle Technology and Safety参考文献 5被引用 6

一句话总结

本文提出一种基于SegNet-CNN模型的动态车道检测系统，该模型在Wollongong大学数据集的1,500张图像上进行训练，并与Google街景及Google API集成，实现基于实时地理定位的图像检索。该方法在遮挡和光照变化条件下均表现出96.1%的测试准确率和强鲁棒性，通过像素级语义分割实现实时导航，性能优于SVM和MLPC基线模型。

ABSTRACT

Lane detection algorithms have been the key enablers for a fully-assistive and autonomous navigation systems. In this paper, a novel and pragmatic approach for lane detection is proposed using a convolutional neural network (CNN) model based on SegNet encoder-decoder architecture. The encoder block renders low-resolution feature maps of the input and the decoder block provides pixel-wise classification from the feature maps. The proposed model has been trained over 2000 image data-set and tested against their corresponding ground-truth provided in the data-set for evaluation. To enable real-time navigation, we extend our model's predictions interfacing it with the existing Google APIs evaluating the metrics of the model tuning the hyper-parameters. The novelty of this approach lies in the integration of existing segNet architecture with google APIs. This interface makes it handy for assistive robotic systems. The observed results show that the proposed method is robust under challenging occlusion conditions due to pre-processing involved and gives superior performance when compared to the existing methods.

研究动机与目标

• 开发一种实时、动态的车道检测系统，利用地理定位感知的街景图像实现自主导航。
• 通过基于深度学习的语义分割提升在遮挡、照明不良和图像亮度变化等复杂条件下的鲁棒性。
• 将训练好的CNN模型与Google API（街景、地图、地理位置定位）集成，实现实时数据检索与系统部署。
• 在车道分割准确率和泛化能力方面，证明该方法优于传统机器学习方法（SVM、MLPC）。
• 为未来应用（如辅助机器人系统和盲人电子手杖）提供可扩展性。

提出的方法

• 采用SegNet编码器-解码器架构进行像素级语义分割，其中编码器提取低分辨率特征图，解码器执行密集分类。
• 模型在自定义数据集的2,000张图像上进行训练（1,500张用于训练，500张用于测试），其真实标签来自Wollongong大学数据集。
• 通过调整学习率和权重初始化（Xavier）等超参数以确保收敛，训练在GPU集群上使用SLURM完成。
• 利用Google街景API和地理位置定位API，根据系统当前位置实时检索带有地理标签的图像，实现动态输入。
• 通过预测与真实标签之间车道段的均方误差评估模型性能，指标包括精确率、召回率、F1分数和测试准确率。
• 通过将训练好的CNN与Google API对接，实现实时系统部署，支持对动态获取的街景图像进行实时推理。

实验结果

研究问题

• RQ1 与传统机器学习方法相比，基于SegNet的CNN模型在真实世界遮挡和光照变化条件下的车道检测表现如何？
• RQ2 与Google街景及地理位置API集成是否能够实现基于实时、位置感知街景图像的动态车道检测？
• RQ3 在车道分割中实现高准确率和收敛性的最优超参数配置（如训练轮数、学习率）是什么？
• RQ4 随着训练数据量增加和基于GPU的训练，模型的性能（精确率、召回率、F1分数）如何变化？
• RQ5 该系统在多类别分割（如障碍物和多条车道）方面支持自动驾驶的扩展程度如何？

主要发现

• 模型在1,500张图像上训练、500张图像上测试时，测试准确率达到96.1%，在115个训练轮次时F1分数达0.9445。
• 在115个训练轮次时，精确率达到0.9889，表明对正样本预测具有高度置信度，但召回率下降至0.4042，表明在遮挡场景中难以检测出所有真实正样本像素。
• 基于CNN的方法在车道分割中显著优于SVM和MLPC，噪声更少，泛化能力更强，尤其在遮挡和低照度条件下表现更优。
• Google API的集成实现了对当前地理位置街景图像的实时访问，使系统具备动态性，适用于实际导航场景部署。
• 在使用SLURM的GPU集群上进行训练，显著提升了收敛速度并降低了时间复杂度，使大规模数据集的高效训练成为可能。
• 在真实Google街景图像上，预测结果与真实标签之间的车道段相关性达到约1，验证了系统的实时性能。