自動運転車が急カーブを曲がるときに車線を検知する3つの技術

自動運転車は、車線を正確に検出するために、さまざまな色や照明条件下で車線を認識する必要があります。車線内に留まるために必要なステアリング角度を決定するには、速度と車両のダイナミクスに加えて、車線の曲率も知っておく必要があります。

[[385524]]

3つのテクノロジー:

1. 色空間

2. ソーベル演算子

3. 曲率半径

色空間

RGB カラー スペースは、白チャンネルを含む画像に適しています。他の色のレーンには制限があります。したがって、HSV (色相、彩度、明度) や HLS (色相、明度、彩度) などの他の色空間を調べることができます。

色相は明るさの変化とは無関係に色を表します。明度と値は、色の明るさや暗さを測定する異なる方法です。彩度は色彩の度合いを表す指標です。黄色の車線が描かれた画像は、以下のように RGB と HLS に分離されます。

R、G、S チャネルのみが、黄色の車線に対応する高いピクセル強度を示しています。青チャンネルの黄色のピクセル強度はゼロです。最適なチャネルとそのチャネルの正しい色のしきい値を選択することで、以下に示すように黄色の車線をより正確に識別できるようになりました。

ソーベル演算子

車線は垂直なので、勾配をよりスマートに使用して、車線の急勾配を検出できます。 Sobel 演算子を画像に適用すると、画像の x 方向または y 方向の微分が得られます。

x 方向の傾斜 (Sobel x 演算子) を選択し、その傾斜の強度を調整することで、以下に示すように、S チャネル (前のセクション) で検出されなかった車線の部分を見つけることができます。

上記の各手法 (Sobel x チャネルと S チャネル) によって識別されたピクセルを組み合わせて、以下に示すように、さまざまな照明条件下で黄色の車線をより正確に見つけることができます。

私たちのアルゴリズムは、さまざまな色やさまざまな照明条件の車線を検出できるようになりましたが、突然のカーブに遭遇すると失敗する可能性があります。

曲率半径

車が車線内に留まるためには、車線の曲率を知ることが不可欠です。視点変換により視点が変わり、同じシーンを異なる角度や視点から見ることができるようになります。鳥瞰図から、車線に多項式を当てはめてみましょう。次に、多項式から車線の曲率を抽出します。

ヒストグラムをプロットし、上図の左側と右側のピークを見つけることで、以下に示すように、左車線と右車線の開始位置を導き出すことができます。

スライディングウィンドウ

開始位置を使用し、画像にスライディング ウィンドウ テクニックを適用すると、以下に示すように、車線に多項式を当てはめることができます。

曲率半径と車線中心のオフセット

ピクセルはメートルに変換され、多項式近似が再計算されて、以下に示すようにメートル単位の曲率半径が決定されました。

結論は

連続するフレームでは車線の位置が似ています。したがって、次のフレームで車線ピクセルを見つけるには、特定の距離内で以前に検出された車線の位置を検索することができます。

上記の技術を適用することで、以下に示すように、変化する照明条件（明るい部分と影の部分）や急カーブでも、車は異なる色（黄色と白）の車線を正確に識別できるようになります。