基于实时立体视觉的车道检测系统

在非平坦路面上检测多条弯曲车道线对于汽车应用而言仍是一项具有挑战性的任务。为加以改进，可利用深度信息极大增强车道检测系统的鲁棒性。本文所提出的系统基于我们先前的工作开发，其中全局估计稠密消失点Vp以辅助多条弯曲车道线的检测。然而，在估计Vp时，最优解中的离群点可能严重影响最小二乘拟合的精度。因此，本文中我们使用随机采样一致性（Random Sample Consensus）迭代更新内点与离群点，直至内点数量与总数之比超过预设阈值。这显著帮助系统克服某些突发变化条件。此外，我们提出一种新颖的车道位置验证方法，其基于Vp与梯度提供分段权重，以降低非车道候选点的梯度幅值。随后，我们计算各可能解的能量并选取所有满足的车道位置用于可视化。所提系统在由Intel Core i7-4720HQ CPU与NVIDIA GTX 970M GPU组成的异构系统上实现，处理速度达143 fps，比我们先前工作快38倍以上。同时，为评估检测精度，我们使用KITTI数据库中的2495帧（含5361条车道，比先前实验多1637条车道）进行测试，总体成功检测率由98.7%提升至99.5%。