複数車線道路における白線の同時検出 ○長岡 孝太郎、胡 振程、王 臣豪（熊本大学） 1.はじめに 近年，実画像を用いた直接視覚ナビゲーション システム（VICNAS）の開発が盛んに行われてお り，正確な実画像上への仮想物体の投影（拡張現 実感技術の実現）が必要となっている .しかし，そ のためには自車両の正確な位置を把握する必要が あり，位置合わせ問題を解決しなければならない . 本研究は，拡張カルマンフィルタを用いて白線検 出することにより，道路中央と車両との距離，カ メラ姿勢データを取得し，マップマッチング処理 後の車両位置を特定する手法により作成したモデ ルを利用し隣接車線を推定し複数車線を持つ道路 にも対応させることを目的とする. 2.自車走行白線の推定 図 1 に従来の車線検知システムの全体の概要を 示す． 3.複数車線への対応 3.1 車線モデル モデルの構築部では，検出処理を行うために必 要とされる初期モデルの定義を行う．設定される モデルは，『初期の車線モデルを表す状態ベクト ル Xd』である．このモデルは，各カメラパラメー タ(L，X0， φ， α)，および道路の一次，二次水平 曲率情報 C0，C1 から構成される． T uiL ,u iR = g L , X 0 , Φ ,α ,C 0 ,C 1 uiL = f x u iR= f x 2 2 vi − f y α X 0−L C0 f y h C 1 f yh −tanΦ f yh 2 vi − f y α 6 v i − f y α 2 2 2 v i− f y α X 0 C 0 f yh C1 f y h −tan Φ f yh 2 v i − f y α 6 v i − f y α 2 (1) ただし i=1‥‥n とする 左右隣接車線の白線データの初期値は両側とも に検出できた場合の自車線の白線データ uiL，uiR を用いて以下の式により設定する. u iL '=u iL −width i uiR '=uiR widthi (2) ここで uiL'，uiR' は，自車線検出後の白線データ であり， width i =uiR −u iL である.この値から左右 それぞれの隣接車線の位置を推定する. 3.2 特徴抽出処理 他車線は自車線よりも距離が遠く線が薄いため 図 2 のように中央点最候補画像では点があまり取 れず中央点候補画像ではノイズによる影響が大き いため右モーメント画像を特徴点として隣接車線 の検出を行う. 図 1 車線検知システムの概要 この車線検知アルゴリズムにより，白線の存在 する一般的な車道においては，分岐部や複数の白 線の存在時を除き，十分な検出精度が達成された． そのため，今後は，車線検知システムの技術応 用が重要な研究課題となると言える． 本稿では，複数車線での自車線以外の隣接した 車線の検出と信頼度推定を行う． 図 2 特徴点比較 3.3 信頼（安定）評価 自車線より推定された隣接する車線の推定モデ ル Xd(p) と右モーメント画像とのマッチングを以 下の式で計算する. N N P L= L , P R= R (3) ΔvL Δ vR ここで，PL， PR は左白線モデルおよび右白線モ デルの信頼性を評価するスコアであり，NL，NR は各モデルの左右 3 ピクセル内の探索で右モーメ ント画像での候補点が検出できたライン数， ΔvL，ΔvR は画像内に含まれる各モデルの高さ （＝探索したライン数）を表す． 隣接車線では自車線に比べ候補点が少ないが右 モーメント画像では白線以外のノイズは抑えられ るためスコアが 10％以上になった際は白線として 信頼できるものとする. 4.実験結果 図 3 のような片側 2 車線の道路で実験を行った 結果を図 4 に示す. 図 3 実験画像 図 6 右モーメント画像 図４では自車線と推定されたモデルを黄色で隣 接している車線と推定された車線モデルをピンク で表示している.また左上のピンクの数字は信頼度 スコアを表したもでであり左側が右モーメントを 用いた場合で右側が中央点最候補を利用した場合 であり上が隣接する左車線，下が隣接する右車線 をそれぞれ表している. 5.考察 今回隣接している右車線は中央点最候補を利用 しての信頼度推定では検出できなかったが右モー メント画像を利用してのスコアが 10％を超えてい るため隣接車線として検出できた.自車線に比べ検 出できる長さが短く情報が少ないためノイズを削 除しより正確にした中央点最候補画像に比べ右モー メント画像を利用した場合のほうがスコアがよく なったと考えられる. 6.おわりに 本研究では現在走行している車線検知に加えて， 走行車線と左右に隣接する車線の検出を行った． これにより，走行車線の周辺環境が，道路領域で あるか，非道路領域であるかの識別が可能であり， 識別結果と地図情報などを用いての車線数情報な どから，走行車線番号の推定が可能である． 今後は車線の色や形状情報から車線変更である か車線逸脱かの判別などを行っていきたい. 参考文献 [1]Romuald Aufrere, Roland Chapuis, Frederic Chausse,“ A model-driven approach for real-time road recognition”, Machine Vision and Applications, 2001, pp. 95-107. 図 4 実験結果 [2]Y. Wang, D. Shen, and E. K. Teoh, “ Lane detection using spline model ”,Pattern Recognit. Lett., vol. 21, no. 8, pp. 677-689, Jul. 2000. [3] Dickmanns， E.D.; Mysliwetz， B.D.”Recursive 3-D road and relative ego-state recognition”Pattern Analysis and Machine Intelligence， IEEE Transactions on Volume 14， Issue 2， Feb 1992 Page(s):199 - 213 図 5 中央点最候補画像
© Copyright 2024 Paperzz
