Real-Time Lane Region Detection Using a Combination of Geometrical and Image Features
Cargando...
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
Durante las últimas décadas, las marcas viales han desempeñado un papel fundamental en aplicaciones de vehículos inteligentes, como la orientación, la navegación y el control. Sin embargo, todavía existen problemas importantes relacionados con la detección de las marcas de carril. Por ejemplo, estos problemas incluyen un tiempo de procesamiento excesivo y falsas detecciones debido a las similitudes en el color y los bordes entre las señales de tránsito (líneas de canalización, líneas de detención, pasos peatonales, flechas, etc.). Este artículo propone una estrategia para extraer la información de las marcas de carril teniendo en cuenta características como el color, el borde y el ancho, así como la velocidad del vehículo. En primer lugar, la definición de la región de interés es una tarea crítica para lograr un rendimiento en tiempo real. En este sentido, la región de interés depende de la velocidad del vehículo. En segundo lugar, las marcas de carril se detectan utilizando un método híbrido de características de color y borde, junto con un método probabilístico basado en la dependencia entre distancia y color y en un modelo de ajuste jerárquico. En tercer lugar, se extrae la siguiente información de las marcas de carril: el número de marcas de carril a ambos lados del vehículo, el modelo de ajuste correspondiente y la información del centroide del carril. Utilizando estos parámetros, la región se calcula mediante un modelo geométrico de la carretera. Para evaluar el método propuesto, se utilizó un conjunto de cuadros consecutivos con el fin de validar su rendimiento.
Palabras clave
Detección de la región del carril en tiempo real, Región de riesgo de colisión, Estrategia híbrida para las marcas de carril, Modelo de ajuste jerárquico, Agrupamiento dependiente del color basado en la distancia, Detección de la región del carril en tiempo real, Región de riesgo de colisión, Estrategia híbrida para las marcas de carril, Modelo de ajuste jerárquico, Agrupamiento dependiente del color basado en la distancia
Descripción
Over the past few decades, pavement markings have played a key role in intelligent vehicle applications such as guidance, navigation, and control. However, there are still serious issues facing the problem of lane marking detection. For example, problems include excessive processing time and false detection due to similarities in color and edges between traffic signs (channeling lines, stop lines, crosswalk, arrows, etc.). This paper proposes a strategy to extract the lane marking information taking into consideration its features such as color, edge, and width, as well as the vehicle speed. Firstly, defining the region of interest is a critical task to achieve real-time performance. In this sense, the region of interest is dependent on vehicle speed. Secondly, the lane markings are detected by using a hybrid color-edge feature method along with a probabilistic method, based on distance-color dependence and a hierarchical fitting model. Thirdly, the following lane marking information is extracted: the number of lane markings to both sides of the vehicle, the respective fitting model, and the centroid information of the lane. Using these parameters, the region is computed by using a road geometric model. To evaluate the proposed method, a set of consecutive frames was used in order to validate the performance
Palabras clave
real-time lane region detection, collision risk region, lane marking hybrid-based strategy, hierarchical fitting model, distance-based color-dependent clustering, real-time lane region detection, collision risk region, lane marking hybrid-based strategy, hierarchical fitting model, distance-based color-dependent clustering
Palabras clave
real-time lane region detection, collision risk region, lane marking hybrid-based strategy, hierarchical fitting model, distance-based color-dependent clustering, real-time lane region detection, collision risk region, lane marking hybrid-based strategy, hierarchical fitting model, distance-based color-dependent clustering
