Vision-based lane departure warning framework

Kollisioner till följd av avvikelser från körfältet har bidragit till trafikolyckor som orsakar miljontals skador och tiotusentals dödsfall per år i hela världen. Många relaterade studier har visat att krockar med enstaka fordon som lämnar körfältet står för en stor del av dödsfallen i vägtrafiken till följd av att fordonet avviker från vägbanan. Därför har fordonssäkerheten blivit en angelägenhet för trafikanterna, eftersom de flesta trafikolyckor inträffade på grund av att föraren gjorde en felaktig bedömning av fordonets väg. I den här artikeln föreslås en synbaserad ram för varning vid avvikelse från körfältet för upptäckt av avvikelse från körfältet i dag- och nattkörningsmiljöer. Trafikflödet och vägytans beskaffenhet för både stadsvägar och motorvägar i staden Malacca analyseras med avseende på spårdetekteringsfrekvens och falskt positivfrekvens. Den föreslagna vision-baserade ramen för varning för avvikelse från körfältet omfattar körfältsdetektering följt av en beräkning av ett sidoförskjutningsförhållande. Körfältsdetekteringen består av två steg: förbehandling och detektering. I förbehandlingen utförs en färgrymdskonvertering, utvinning av intresseområden och segmentering av körfältsmarkeringar. I det efterföljande upptäcktssteget används Hough-transformationen för att upptäcka körfält. Slutligen beräknas det laterala förskjutningsförhållandet för att ge en varning för avvikelse från körfältet baserat på de upptäckta X-koordinaterna för de nedre ändpunkterna för varje körfältsgräns i bildplanet. För utvärdering av prestanda för körfältsdetektering och körfältsavvikelsedetektering beaktas verkliga dataset för både stadsvägar och motorvägar i dag- och nattkörningsmiljöer, trafikflöden och vägbeläggningsförhållanden. De experimentella resultaten visar att den föreslagna ramen ger tillfredsställande resultat. I genomsnitt uppnåddes 94,71 % för upptäckt av körfält och 81,18 % för upptäckt av avvikelser från körfält med hjälp av de föreslagna ramarna. Dessutom har man använt sig av referensmetoder för segmentering av körfältsmarkeringar och Caltech lanes-dataset för att göra en jämförande utvärdering av körfältsdetekteringen. Utmaningar i samband med upptäckt av körfält och avvikelse från körfält, t.ex. slitna körfältsmarkeringar, dålig belysning, pilskyltar och täckta körfältsmarkeringar, lyfts fram som bidragande orsaker till de falskt positiva siffrorna.

Leave a Reply