Cadre d’avertissement de sortie de voie basé sur la vision

Les collisions découlant des sorties de voie ont contribué aux accidents de la circulation causant des millions de blessures et des dizaines de milliers de victimes par an dans le monde entier. De nombreuses études ont montré que les accidents dus à des déviations de trajectoire de véhicules isolés représentent une part importante des décès dus à la dérive de la route. La sécurité automobile est donc devenue une préoccupation pour les usagers de la route, car la plupart des accidents de la route sont dus à une mauvaise appréciation de la trajectoire du véhicule par le conducteur. Cet article propose un cadre d’avertissement de sortie de voie basé sur la vision pour la détection de sortie de voie dans des environnements de conduite de jour et de nuit. Le flux de trafic et les conditions de la surface de la route pour les routes urbaines et les autoroutes dans la ville de Malacca sont analysés en termes de taux de détection des voies et de taux de faux positifs. Le cadre proposé pour l’alerte de franchissement de ligne basé sur la vision comprend la détection de la voie suivie du calcul d’un rapport de décalage latéral. La détection des voies est composée de deux étapes : le prétraitement et la détection. Au cours du prétraitement, une conversion de l’espace couleur, l’extraction de la région d’intérêt et la segmentation du marquage de la voie sont effectuées. Dans l’étape suivante de détection, la transformée de Hough est utilisée pour détecter les voies. Enfin, le rapport de décalage latéral est calculé pour donner un avertissement de changement de voie sur la base des coordonnées X détectées des points d’extrémité inférieurs de chaque limite de voie dans le plan de l’image. Pour évaluer les performances de la détection des voies et de la détection des déviations de trajectoire, des ensembles de données réelles concernant des routes urbaines et des autoroutes dans des environnements de conduite diurnes et nocturnes, des flux de trafic et des conditions de surface de la route sont pris en compte. Les résultats expérimentaux montrent que le cadre proposé donne des résultats satisfaisants. En moyenne, des taux de détection de 94,71% pour le taux de détection des voies et de 81,18% pour le taux de détection des sorties de voies ont été atteints en utilisant les cadres proposés. En outre, les méthodes de segmentation du marquage des voies de référence et le jeu de données des voies de Caltech ont également été pris en compte pour l’évaluation comparative de la détection des voies. Les défis de la détection des voies et de la détection des départs de voies, tels que les marquages de voies usés, le faible éclairage, les panneaux de flèches et les marquages de voies occultés, sont mis en évidence comme contribuant aux taux de faux positifs.