[论文解读] 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 7

一句话总结

本论文提出了一款基于树莓派3B和Arduino Uno的低成本、实时自主车辆原型，用于车道检测与运动规划。系统采用Canny边缘检测、霍夫变换和卡尔曼滤波，实现车道检测、中线转向参考计算及轨迹平滑规划，在受控测试中表现出稳定实时性能，成功完成车道跟踪与运动控制。

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.

研究动机与目标

• 开发一款低成本、实时的自主车辆原型，可在无人干预下实现车道检测与运动规划。
• 利用树莓派3B进行图像处理，通过PID控制Arduino Uno实现电机控制。
• 在资源受限的硬件上使用OpenCV和Python实现实时视频流处理。
• 通过卡尔曼滤波和历史累积平均法提升转向精度与稳定性。
• 在受控环境中验证系统的性能，实现实时车道跟踪与运动控制。

提出的方法

• 树莓派3B使用Python 3.7和OpenCV 4.2实时处理Pi Camera 1.3拍摄的视频流。
• Canny边缘检测在预处理的灰度图像中识别车道边缘。
• 霍夫变换从边缘检测图像中提取代表车道标线的直线段。
• 通过检测到的两条车道线的中点计算初始转向参考。
• 应用卡尔曼滤波预测，对随时间变化的车道中点估计值进行平滑处理，以提升轨迹稳定性。
• 过去累积平均法进一步优化转向方向，减少抖动并提升路径跟踪性能。

实验结果

研究问题

• RQ1 基于树莓派和Arduino的低成本嵌入式系统是否能在受控环境中实现车道检测与运动规划的实时处理？
• RQ2 Canny边缘检测与霍夫变换组合在实时视频流中进行车道线提取的效率如何？
• RQ3 卡尔曼滤波在多大程度上提升了车道中点估计的稳定性和准确性？
• RQ4 与原始中点估计相比，过去累积平均法在实现更平稳转向控制方面有何贡献？
• RQ5 在实时处理资源约束下，集成系统能否保持一致的车道保持性能？

主要发现

• 该原型在树莓派3B上成功实现实时车道标记检测，采用Canny边缘检测与霍夫变换。
• 卡尔曼滤波显著提升了车道中点估计随时间变化的平滑性与稳定性。
• 过去累积平均法有效降低了转向指令的抖动，提升了车辆运动的平顺性。
• 系统实现了实时性能，具备适合嵌入式部署的低延迟处理能力。
• 在受控环境中的全面测试证实，系统无需人工干预即可有效检测车道并规划运动。