?

基于融合視覺和雷達(dá)的車道邊界檢測研究

提出了一種不需要先驗知識的融合攝像機和雷達(dá)傳感器信息的不同種類道路邊緣檢測算法。該算法包括3個獨立的模塊：第一個模塊通過梯度分析算法檢測良好可視條件的道路標(biāo)識的圖像處理單元；第二個模塊對道路圖像進(jìn)行分析處理，根據(jù)均勻道路表面和非道路表面之間的不規(guī)則來提取出道路邊緣；第三個模塊對采集到的雷達(dá)數(shù)據(jù)進(jìn)行分析處理，從而檢測出道路兩邊的靜止護(hù)欄。最后，將各個模塊的結(jié)果在卡爾曼濾波器中進(jìn)行融合。由于每個道路邊緣都有屬于其單獨的參數(shù)，因此該算法可以解決道路兩邊的邊緣圖像問題。

選取回旋曲線作為道路邊界模型。對3個模塊檢測到的道路標(biāo)識參數(shù)和道路邊界參數(shù)，使用卡爾曼濾波器的方法進(jìn)行更新輸出。攝像機采集到的道路圖像包含十分豐富的道路信息。道路圖像處理后獲得邊緣圖像，其中從道路表面到非道路，從道路標(biāo)識到道路表面都具有很強的梯度特征。因此，可以采取逐行掃描的方法，即以一個寬度為w的水平線對道路圖像進(jìn)行逐行掃描。這一掃描線與道路標(biāo)識和道路邊緣會產(chǎn)生交叉點，根據(jù)這些交叉點檢測道路分界線。但是，簡單地使用這些交叉點會帶來較多的誤檢測，因此考慮鄰域掃描線并通過投票機制來獲得誤檢測低的道路標(biāo)識和道路邊界。

對雷達(dá)檢測信息的處理主要集中在對道路護(hù)欄或其它道路邊界的檢測。對檢測出來的靜止物體進(jìn)行道路邊緣分配之后，用最小二乘法擬合后獲得道路邊緣參數(shù)。

對從視覺傳感器和雷達(dá)獲得的道路邊界線參數(shù)，通過使用兩個卡爾曼濾波器進(jìn)行融合，從而獲得精度更高的道路邊界參數(shù)。

Gold Coast.2013 IEEE Intelligent Vehicles Symposium (IV) June 23-26, 2013.編譯：路順杰