[论文解读] Preprocessing Methods of Lane Detection and Tracking for Autonomous Driving

Akram Heidarizadeh|arXiv (Cornell University)|Apr 10, 2021

Autonomous Vehicle Technology and Safety参考文献 35被引用 5

一句话总结

本文对自动驾驶系统中基于视觉的实时车道检测与跟踪的预处理技术进行了全面综述。它评估了图像平滑、感兴趣区域（ROI）选择、色彩空间转换和逆透视映射等方法，以增强车道标记的可见性并减少噪声，从而在光照不良、阴影和恶劣天气等挑战性条件下实现稳健性能。

ABSTRACT

In the past few years, researches on advanced driver assistance systems (ADASs) have been carried out and deployed in intelligent vehicles. Systems that have been developed can perform different tasks, such as lane keeping assistance (LKA), lane departure warning (LDW), lane change warning (LCW) and adaptive cruise control (ACC). Real time lane detection and tracking (LDT) is one of the most consequential parts to performing the above tasks. Images which are extracted from the video, contain noise and other unwanted factors such as variation in lightening, shadow from nearby objects and etc. that requires robust preprocessing methods for lane marking detection and tracking. Preprocessing is critical for the subsequent steps and real time performance because its main function is to remove the irrelevant image parts and enhance the feature of interest. In this paper, we survey preprocessing methods for detecting lane marking as well as tracking lane boundaries in real time focusing on vision-based system.

研究动机与目标

• 识别并分析可增强实时自动驾驶系统中车道检测鲁棒性的预处理技术。
• 解决光照变化、阴影、路面不规则性和恶劣天气条件等影响图像质量的挑战。
• 评估预处理在提升后续车道检测与跟踪精度方面的作用。
• 对视觉车道检测流程中使用的滤波、图像变换和透视映射技术进行系统性综述。

提出的方法

• 应用中值滤波和高斯滤波以减少噪声并平滑图像细节。
• 使用直方图均衡化以提高图像对比度和亮度，从而增强特征可见性。
• 实施感兴趣区域（ROI）选择，将处理聚焦于相关道路区域。
• 采用逆透视映射（IPM）将道路图像转换为鸟瞰视角，以提高几何一致性。
• 将彩色图像转换为灰度图或其他色彩空间，以简化特征提取。
• 将预处理步骤整合为流水线，为车道检测与跟踪算法准备图像。

实验结果

研究问题

• RQ1 哪些预处理技术在实时车道检测系统中最为有效，能减少噪声并增强车道标记的可见性？
• RQ2 不同滤波方法（如中值、高斯、直方图）在处理阴影和光照变化等图像伪影方面有何比较优势？
• RQ3 逆透视映射在复杂道路几何结构下对提升车道检测精度起到何种作用？
• RQ4 ROI选择如何促进实时性能和计算效率？
• RQ5 预处理方法在多大程度上提升了下游车道检测与跟踪算法的鲁棒性？

主要发现

• 中值滤波和高斯滤波能有效减少随机噪声、椒盐噪声以及雨雪和脏污路面带来的伪影。
• 直方图均衡化可增强图像对比度和亮度，提升模糊或褪色车道标记的可见性。
• ROI选择通过聚焦于相关道路区域，显著降低计算负载。
• 逆透视映射（IPM）将摄像头视角转换为鸟瞰视角，提高了几何一致性与车道检测精度。
• 适当的预处理显著提升了后续车道检测与跟踪阶段的成功率，尤其在阴影和光照不良等挑战性条件下。
• 多种预处理技术的集成相比单一方法，能构建更加鲁棒且具备实时处理能力的车道检测系统。