基于传感器失效建模的车辆自车道估计
机器人学
2020-02-07 v2 计算机视觉与模式识别
机器学习
摘要
我们提出一种用于类高速公路场景的概率自车道估计算法，旨在提高自车道估计的精度，该估计仅可依赖带噪声的车道线检测器与跟踪器获得。我们的贡献在于一个带有瞬态失效模型的隐马尔可夫模型（HMM）。所提算法利用 OpenStreetMap（或其他地图服务）的道路属性车道数作为期望车道数，并充分利用连续的、可能不完整的观测。算法的有效性通过使用不同车道线检测器得到证明，并显示我们能在意大利和西班牙记录的长逾 100 公里高速公路场景中取得可用得多、即稳定可靠的自车道估计。此外，由于找不到合适的数据集与其他方法进行定量比较，我们收集了数据集并手动标注了关于车辆自车道的真值（Ground Truth）。这些数据集已公开供科学界使用。
引用
@article{arxiv.2002.01913,
title = {Vehicle Ego-Lane Estimation with Sensor Failure Modeling},
author = {Augusto Luis Ballardini and Daniele Cattaneo and Rubén Izquierdo and Ignacio Parra Alonso and Andrea Piazzoni and Miguel Ángel Sotelo and Domenico Giorgio Sorrenti},
journal= {arXiv preprint arXiv:2002.01913},
year = {2020}
}
备注
preprint