?

基于融合視覺和雷達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識的圖像處理單元；第二個模塊對道路圖像進行分析處理，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數(shù)據(jù)進行分析處理，從而檢測出道路兩邊的靜止護欄。最后，將各個模塊的結(jié)果在卡爾曼濾波器中進行融合。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識參數(shù)和道路邊界參數(shù)，使用卡爾曼濾波器的方法進行更新輸出。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行逐行掃描。這一掃描線與道路標識和道路邊緣會產(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識和道路邊界。

對雷達檢測信息的處理主要集中在對道路護欄或其它道路邊界的檢測。對檢測出來的靜止物體進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獲得的道路邊界線參數(shù)，通過使用兩個卡爾曼濾波器進行融合，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