Vision-based lane departure warning framework

Kollisioner som følge af vognbaneafvigelser har bidraget til trafikulykker med millioner af kvæstede og titusindvis af tilskadekomne om året på verdensplan. Mange beslægtede undersøgelser har vist, at ulykker, hvor et enkelt køretøj forlader vognbanen, tegner sig for en stor del af de dødsfald i trafikken, der skyldes, at køretøjet driver ud af vejbanen. Derfor er bilsikkerhed blevet en bekymring for trafikanterne, da de fleste trafikulykker skyldes førerens fejlagtige vurdering af køretøjets vejbane. I denne artikel foreslås en visionsbaseret ramme for advarsel om vognbaneafvigelse til registrering af vognbaneafvigelse under kørsel om dagen og om natten. Trafikstrømmen og vejbelægningsforholdene på både byveje og motorveje i byen Malacca analyseres med hensyn til sporadisk registrering af vognbaneafvigelser og falsk positiv rate. Den foreslåede vision-baserede ramme for advarsel om vognbaneafkørsel omfatter vognbanedetektion efterfulgt af en beregning af et forskydningsforhold i siden af vognbanen. Sporingsregistreringen består af to faser: forbehandling og registrering. I forbehandlingen foretages en farveomregning, udtrækning af interesseområder og segmentering af vognbanemarkeringer. I den efterfølgende detektionsfase anvendes Hough-transformationen til at detektere vognbaner. Endelig beregnes det laterale forskydningsforhold for at give en advarsel om vognbaneafvigelse på grundlag af de registrerede X-koordinater for de nederste endepunkter af hver vognbanegrænse i billedplanet. Til evaluering af ydeevne for registrering af vognbanedetektion og registrering af vognbaneafvigelse er der taget hensyn til datasæt fra det virkelige liv for både byveje og motorveje i dag- og natkørselsmiljøer, trafikstrømme og vejbelægningsforhold. De eksperimentelle resultater viser, at den foreslåede ramme giver tilfredsstillende resultater. I gennemsnit blev der opnået en detektionsrate på 94,71 % for vognbanedetektion og 81,18 % for vognbaneafvigelsesdetektion ved hjælp af de foreslåede rammer. Desuden blev der også anvendt benchmark-metoder til segmentering af vognbanemarkeringer og Caltech-datasættet til sammenlignende evaluering af vognbanedetektion. Udfordringer i forbindelse med vognbanedetektion og registrering af vognbaneafvigelser som f.eks. slidte vognbanemarkeringer, dårlig belysning, pilskilte og tildækkede vognbanemarkeringer fremhæves som de faktorer, der bidrager til de falsk positive tal.