Vision-based lane departure warning framework
A sávelhagyásból eredő ütközések világszerte évente több millió sérülést és több tízezer áldozatot követelő közlekedési balesetekhez járultak hozzá. Számos kapcsolódó tanulmány kimutatta, hogy az egy járművel történő sávelhagyásos balesetek nagyrészt az úttestről való lesodródásból eredő közúti halálesetekért felelősek. Ezért a gépjárművek biztonsága egyre nagyobb aggodalomra ad okot az úthasználók számára, mivel a legtöbb közúti baleset a járművezetőnek a jármű útvonalának téves megítélése miatt következett be. Ez a tanulmány egy látásalapú sávelhagyásra figyelmeztető keretrendszert javasol a sávelhagyás észlelésére nappali és éjszakai vezetési környezetben. Malacca városában mind a városi utak, mind az autópályák forgalmi áramlását és útburkolati viszonyait elemezzük a sávelhagyás-érzékelési arány és a hamis pozitív arány szempontjából. A javasolt látásalapú sávelhagyásra figyelmeztető keretrendszer magában foglalja a sávfelismerést, amelyet az oldalirányú eltolás arányának kiszámítása követ. A sávfelismerés két szakaszból áll: előfeldolgozás és felismerés. Az előfeldolgozás során színtér-átalakítás, az érdeklődési terület kinyerése és a sávjelzés szegmentálása történik. Az ezt követő észlelési szakaszban a Hough-transzformációt használják a sávok észlelésére. Végül az oldalirányú eltolás arányát számítják ki, hogy a képsíkban az egyes sávhatárok alsó végpontjainak észlelt X-koordinátái alapján sávelhagyásra figyelmeztető jelzést adjanak. A sávfelismerés és a sávelhagyás-érzékelés teljesítményének értékeléséhez a városi utakra és autópályákra vonatkozó valós adatállományokat veszik figyelembe nappali és éjszakai vezetési környezetben, forgalmi áramlások és útburkolati viszonyok mellett. A kísérleti eredmények azt mutatják, hogy a javasolt keretrendszer kielégítő eredményeket ad. Átlagosan 94,71%-os felismerési arányt értek el a sávfelismerési arány és 81,18%-os felismerési arányt a sávelhagyási arány esetében a javasolt keretrendszerek használatával. Ezenkívül a sávfelismerés összehasonlító értékeléséhez a sávjelzés szegmentálási módszereket és a Caltech sávok adathalmazát is figyelembe vettük. A sávfelismerés és a sávelhagyás felismerése során felmerülő kihívások, mint például a kopott sávjelzések, a gyenge megvilágítás, a nyíljelzések és az elfedett sávjelzések a hamis pozitív arányokhoz hozzájáruló tényezők.
Leave a Reply