論文の概要: Vision-Based Robust Lane Detection and Tracking under Different
Challenging Environmental Conditions
- arxiv url: http://arxiv.org/abs/2210.10233v3
- Date: Thu, 15 Jun 2023 03:35:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-17 03:25:09.377621
- Title: Vision-Based Robust Lane Detection and Tracking under Different
Challenging Environmental Conditions
- Title（参考訳）: 異なる環境条件下での視覚に基づくロバストレーン検出と追跡
- Authors: Samia Sultana, Boshir Ahmed, Manoranjan Paul, Muhammad Rafiqul Islam
and Shamim Ahmad
- Abstract要約: レーンマーキング検出は、どちらも先進運転支援システムの基本である。
本稿では,3つの重要な技術を用いた頑健な車線検出・追跡手法を提案する。
実験の結果、平均検出率は97.55%であり、平均処理時間は22.33msec/frameであることがわかった。
- 参考スコア（独自算出の注目度）: 8.312192184427762
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lane marking detection is fundamental for both advanced driving assistance
systems. However, detecting lane is highly challenging when the visibility of a
road lane marking is low due to real-life challenging environment and adverse
weather. Most of the lane detection methods suffer from four types of
challenges: (i) light effects i.e., shadow, glare of light, reflection etc.;
(ii) Obscured visibility of eroded, blurred, colored and cracked lane caused by
natural disasters and adverse weather; (iii) lane marking occlusion by
different objects from surroundings (wiper, vehicles etc.); and (iv) presence
of confusing lane like lines inside the lane view e.g., guardrails, pavement
marking, road divider etc. Here, we propose a robust lane detection and
tracking method with three key technologies. First, we introduce a
comprehensive intensity threshold range (CITR) to improve the performance of
the canny operator in detecting low intensity lane edges. Second, we propose a
two-step lane verification technique, the angle based geometric constraint
(AGC) and length-based geometric constraint (LGC) followed by Hough Transform,
to verify the characteristics of lane marking and to prevent incorrect lane
detection. Finally, we propose a novel lane tracking technique, by defining a
range of horizontal lane position (RHLP) along the x axis which will be
updating with respect to the lane position of previous frame. It can keep track
of the lane position when either left or right or both lane markings are
partially and fully invisible. To evaluate the performance of the proposed
method we used the DSDLDE [1] and SLD [2] dataset with 1080x1920 and 480x720
resolutions at 24 and 25 frames/sec respectively. Experimental results show
that the average detection rate is 97.55%, and the average processing time is
22.33 msec/frame, which outperform the state of-the-art method.
- Abstract（参考訳）: レーンマーキング検出は、どちらも先進運転支援システムの基本である。
しかし,実生活の困難な環境や悪天候のため,道路道路標識の視認性が低い場合,車線検出は極めて困難である。
レーン検出法の大部分は,4種類の課題に苦しむ。
(i)光効果、すなわち影、光の輝き、反射等
;
二 自然災害及び悪天候による浸食、ぼやけた、彩色し、ひび割れた車線の目立たない視認性
(iii)周辺(妻、車両等)からの異なる物体による車線標識の閉塞
(iv)車線ビュー内、例えばガードレール、舗装マーキング、道路分割などの混乱した車線が存在すること。
本稿では,3つの重要な技術を用いたロバストレーン検出・追跡手法を提案する。
まず,低強度レーンエッジ検出におけるキャニー演算子の性能向上のために,包括的強度閾値範囲(CITR)を導入する。
第2に,2段階のレーン検証手法である角度ベース幾何制約 (AGC) と長さベース幾何制約 (LGC) を提案し,Hough Transform を用いてレーンマーキングの特性を検証し,誤ったレーン検出を防止する。
最後に,従来のフレームの車線位置に対して更新されるx軸に沿った水平車線位置(RHLP)の範囲を定義することにより,新しい車線追跡手法を提案する。
左または右または両レーンのマーキングが部分的に完全に見えない場合、車線位置を追跡することができる。
提案手法の性能評価には, DSDLDE [1] と SLD [2] データセットを用いて, それぞれ 1080x1920 と 480x720 の分解能を 24 と 25 フレーム/秒で比較した。
実験の結果、平均検出率は97.55%であり、平均処理時間は22.33 msec/frameであった。
関連論文リスト
- Monocular Lane Detection Based on Deep Learning: A Survey [51.19079381823076]
車線検出は自律運転認識システムにおいて重要な役割を果たす。
ディープラーニングアルゴリズムが普及するにつれて、ディープラーニングに基づく単眼車線検出手法が優れた性能を示した。
本稿では, 成熟度の高い2次元車線検出手法と開発途上国の3次元車線検出技術の両方を網羅して, 既存手法の概要を概説する。
論文 参考訳（メタデータ） (2024-11-25T12:09:43Z) - Sketch and Refine: Towards Fast and Accurate Lane Detection [69.63287721343907]
レーン検出は、現実世界のシナリオの複雑さのため、困難なタスクである。
提案ベースであれキーポイントベースであれ,既存のアプローチでは,車線を効果的かつ効率的に表現することができない。
本稿では,キーポイント法と提案法の両方のメリットを活かした"Sketch-and-Refine"パラダイムを提案する。
実験の結果、我々のSRLaneは高速(278 FPS)で走ることができ、F1スコアは78.9%であることがわかった。
論文 参考訳（メタデータ） (2024-01-26T09:28:14Z) - Decoupling the Curve Modeling and Pavement Regression for Lane Detection [67.22629246312283]
曲線に基づく車線表現は多くの車線検出法で一般的な手法である。
本稿では,曲線モデルと地上高さ回帰という2つの部分に分解することで,車線検出タスクに対する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2023-09-19T11:24:14Z) - An Efficient Transformer for Simultaneous Learning of BEV and Lane
Representations in 3D Lane Detection [55.281369497158515]
3次元車線検出のための効率的な変圧器を提案する。
バニラ変圧器と異なり、我々のモデルは車線とBEVの表現を同時に学習するクロスアテンション機構を含んでいる。
本手法は,2次元および3次元の車線特徴を画像ビューとBEVの特徴にそれぞれ適用することにより,2次元および3次元車線予測を実現する。
論文 参考訳（メタデータ） (2023-06-08T04:18:31Z) - RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
本稿では,リレーチェーン予測に基づく車線検出手法を提案する。
当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
論文 参考訳（メタデータ） (2022-07-19T16:48:39Z) - RONELDv2: A faster, improved lane tracking method [1.3965477771846408]
車線検出は、自動運転車や車線出発警報システムにおいて、制御システムの不可欠な部分である。
本稿では,改良された軽量車線検出手法 RONELDv2を提案する。
提案した改良モデルを用いた実験では、異なるデータセットとディープラーニングモデル間でレーン検出精度が一貫した向上を示した。
論文 参考訳（メタデータ） (2022-02-26T13:12:09Z) - Preprocessing Methods of Lane Detection and Tracking for Autonomous
Driving [0.0]
リアルタイムレーン検出とトラッキング(LDT)は、上記のタスクを実行するための最も結果的な部分の1つです。
本稿では,車線標識検出のための前処理手法と,車線境界をリアルタイムで追跡するシステムについて検討する。
論文 参考訳（メタデータ） (2021-04-10T13:03:52Z) - Lane Detection Model Based on Spatio-Temporal Network With Double
Convolutional Gated Recurrent Units [11.968518335236787]
レーン検出は今後しばらくは未解決の問題として残るだろう。
二重円錐 Gated Recurrent Units (ConvGRUs) を用いた時空間ネットワークは、困難なシーンにおける車線検出に対処することを提案した。
我々のモデルは最先端の車線検出モデルより優れている。
論文 参考訳（メタデータ） (2020-08-10T06:50:48Z) - Road Curb Detection and Localization with Monocular Forward-view Vehicle
Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。
我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文 参考訳（メタデータ） (2020-02-28T00:24:18Z) - Real-Time Lane ID Estimation Using Recurrent Neural Networks With Dual
Convention [0.0]
両左利きコンベンションに基づく視覚のみの解法(モノクラーカメラ)を提案する。
極端な条件と異なる経路を持つ挑戦的なテストセットで95%以上の精度を達成する。
論文 参考訳（メタデータ） (2020-01-14T10:52:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。