Vision-based lane departure warning framework

車線逸脱による衝突事故は、世界中で年間数百万の負傷者と数万の死傷者を出す交通事故の一因となっている。 また、多くの研究により、車線逸脱事故は、車道から逸脱したことによる交通事故死の大部分を占めることが示されている。 このように、交通事故の多くはドライバーの誤った進路判断により発生しているため、自動車の安全性は道路利用者の関心事となっています。 本論文では、日中および夜間の走行環境における車線逸脱を検知するための、視覚に基づく車線逸脱警報フレームワークを提案する。 マラッカ市内の市街地と高速道路の交通量と路面の状態を、車線検出率と誤検出率の観点から分析する。 提案するビジョンに基づく車線逸脱警報のフレームワークは、車線検出とそれに続く横方向のオフセット比率の計算を含んでいる。 車線検出は、前処理と検出の2つの段階から構成される。 前処理では，色空間変換，関心領域抽出，レーンマーキングセグメンテーションが行われる． 続く検出段階では，ハフ変換を用いてレーンを検出する。 最後に，画像平面上の各車線境界の下端のX座標を検出し，横方向のオフセット比を計算し，車線逸脱警告を生成する． 車線検出と車線逸脱検出の性能評価のために、都市部の道路と高速道路の日中と夜間の運転環境、交通流、路面状態の実データを考慮した。 実験結果より，提案するフレームワークが満足のいく結果をもたらすことが示された． また，提案手法を用いることで，車線検出率で94.71%，車線逸脱検出率で81.18%という高い検出率を達成した． また、車線検出の比較評価として、ベンチマークとなるレーンマーキングセグメンテーション手法とCaltech lanes datasetも考慮した。 また，車線検出と車線逸脱検出の課題として，磨耗した車線標識，低照度，矢印標識，遮蔽された車線標識などが取り上げられ，誤検出率を高める要因として挙げられている

．