SafeDrive：有限能见度下自动驾驶与辅助驾驶的鲁棒车道跟踪系统
机器人学
2017-01-31 v1 计算机视觉与模式识别
摘要
我们提出一种面向辅助与自动驾驶的鲁棒车道跟踪方法，尤其在能见度差的情况下。车道标记的自主检测可提升道路安全，而纯视觉跟踪因广泛的车辆兼容性以及减少传感器侵入、成本和能耗而备受青睐。然而，由于包括但不局限于遮挡、恶劣天气条件和标线磨损等诸多因素，视觉方法往往无效。我们的方法名为SafeDrive，试图在不依赖额外主动传感器的情况下，在极度退化的视觉条件下改进视觉车道检测方法。在视觉车道检测算法无法检测到车道标记的场景中，所提方法利用车辆的位置信息来定位并获取道路的替代图像，并尝试在该辅助图像上进行检测。随后，通过使用基于特征和基于像素的对齐组合，在当前场景中找到车道标记的估计位置。我们在来自美国地区的实际驾驶数据上展示了系统的有效性，以Google Street View作为替代图像来源。
引用
@article{arxiv.1701.08449,
title = {SafeDrive: A Robust Lane Tracking System for Autonomous and Assisted Driving Under Limited Visibility},
author = {Junaed Sattar and Jiawei Mo},
journal= {arXiv preprint arXiv:1701.08449},
year = {2017}
}