Vision-based lane departure warning framework

Botsingen als gevolg van het verlaten van de rijstrook hebben bijgedragen aan verkeersongevallen die miljoenen gewonden en tienduizenden slachtoffers per jaar wereldwijd veroorzaken. Veel gerelateerde studies hebben aangetoond dat het verlaten van de rijstrook van een enkel voertuig een groot deel van de verkeersdoden veroorzaakt als gevolg van het uitwijken van de rijstrook. Daarom is de veiligheid van voertuigen een punt van zorg geworden voor de weggebruikers, aangezien de meeste verkeersslachtoffers te wijten zijn aan de verkeerde inschatting van het voertuigpad door de bestuurder. Dit artikel stelt een vision-gebaseerd waarschuwingssysteem voor het onbedoeld verlaten van de rijstrook voor, voor detectie van het onbedoeld verlaten van de rijstrook zowel overdag als ’s nachts. De verkeersstroom en de toestand van het wegdek voor zowel stedelijke wegen als snelwegen in de stad Malakka worden geanalyseerd in termen van rijstrookdetectie en fout-positief percentage. Het voorgestelde vision-gebaseerde waarschuwingssysteem voor het onbedoeld verlaten van de rijstrook omvat rijstrookdetectie gevolgd door de berekening van een laterale offset ratio. De rijstrookdetectie bestaat uit twee fasen: voorbewerking en detectie. In de voorbewerking wordt een kleurruimteconversie, een extractie van het interessegebied en een segmentatie van de rijstrookmarkering uitgevoerd. In de daaropvolgende detectiefase wordt de Hough-transformatie gebruikt om rijstroken te detecteren. Ten slotte wordt de zijdelingse verschuiving berekend om een waarschuwing te geven voor het verlaten van de rijstrook, gebaseerd op de gedetecteerde X-coördinaten van de onderste eindpunten van elke rijstrookgrens in het beeldvlak. Voor de evaluatie van de prestaties op het gebied van rijstrookdetectie en rijstrookafwijking wordt gebruik gemaakt van real-life datasets voor zowel stedelijke wegen als snelwegen in zowel dag- als nachtelijke rijomgevingen, verkeersstromen en wegdekomstandigheden. De experimentele resultaten tonen aan dat het voorgestelde raamwerk bevredigende resultaten oplevert. Gemiddeld werden detectiepercentages van 94,71% voor rijstrookdetectie en 81,18% voor rijstrookafwijkingsdetectie bereikt met behulp van het voorgestelde raamwerk. Daarnaast werden ook benchmark rijstrookmarkeringssegmentatiemethoden en Caltech lanes dataset in aanmerking genomen voor vergelijkingsevaluatie bij rijstrookdetectie. Uitdagingen voor rijstrookdetectie en rijstrookvertrekdetectie, zoals versleten rijstrookmarkeringen, lage verlichting, pijlborden en afgedekte rijstrookmarkeringen, worden benadrukt als de bijdragers aan de fout-positieve percentages.