...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Image Processing, IET >Robust multilane detection and tracking in urban scenarios based on LIDAR and mono-vision
【24h】

Robust multilane detection and tracking in urban scenarios based on LIDAR and mono-vision

机译：基于LIDAR和Mono-vision的城市场景中强大的多车道检测和跟踪

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Lane detection and tracking is the basic component of many intelligent vehicle systems. In this study, a robust multilane detection and tracking method is proposed. Using the measurements provided by an in-vehicle mono-camera and a forward-looking LIDAR, this algorithm can address challenging scenarios in real urban driving situations. The proposed approach makes use of steerable filters for lane feature detection, LIDAR-based image drivable space segmentation for lane marking points validations and the RANdom SAmple Consensus technique for robust lane model fitting. To improve the robustness of the fitting further, the parallel lanes hypothesis is introduced. The detected lanes initialise particle filters for tracking, without knowing the ego-motion information. The image processing procedures are carried out in inverse perspective mapping image, because of its convenience for multilane detection. Experimental results indicate that the algorithm in this study has robustness against various driving situations.
机译：车道检测和跟踪是许多智能车辆系统的基本组成部分。在这项研究中，提出了一种鲁棒的多车道检测和跟踪方法。利用车载单相机和前瞻性激光雷达提供的测量结果，该算法可以解决实际城市驾驶情况下的挑战性场景。所提出的方法利用可操纵的滤波器进行车道特征检测，基于LIDAR的图像可驱动空间分割进行车道标记点验证，以及使用RANdom SAmple Consensus技术进行稳健的车道模型拟合。为了进一步提高拟合的鲁棒性，引入了平行车道假设。在不知道自我运动信息的情况下，检测到的车道会初始化粒子过滤器以进行跟踪。由于其对多车道检测的便利性，图像处理过程以反透视映射图像进行。实验结果表明，该算法在各种驾驶情况下均具有鲁棒性。

著录项

  • 来源
    《Image Processing, IET》 |2014年第5期|269-279|共11页
  • 作者

    Cui G.; Wang J.; Li J.;

  • 作者单位

    Key Laboratory of Complex System Intelligent Control and Decision, Department of Automation, Beijing Institute of Technology University, Beijing 100081, People's Republic of China|c|;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号