基于曲率估计的多项式车道线检测方法

车道线检测是自动驾驶研究中的重要组成部分。为了提高车道线在弯道等大曲率场景中的检测能力,提出一种基于曲率估计的多项式车道线检测方法。对采集到的车道线图片做背景剔除处理得到不含天空及障碍物在内的车道线待检测图,根据车道先验知识,将待检测图输入到剪枝后的YOLO V5特征提取网络中对车道线特征进行初步提取,将提取结果滤波二值化处理得到车道线预处理结果及关键点,将关键点连成向量叉乘匹配出直线结果,计算直线结果和预处理结果之间的向量重合度决定车道线是否进入弯道,在弯道中使用牛顿迭代法、海伦-秦九韶算法以及曲率和三角形内切圆关系得到估计曲率,再将其与关键点输入到贝兹多项式拟合出弯道线,最后将直线和弯道拟合结果拼接得到全部预测结果。在实验中,采用平潭当地采集得到的道路数据集训练特征提取网络,训练完成后将100张的带弯道的车道图输入检测模型中,最终模型正确检测出弯道的比例为91%,每张图中检出线长度和实际长度平均比例为86%。该方法在匝道等大曲率弯道车道线检测中具有一定的效果。