激光点云特征与知识规则协同的车道线提取

摘要：

实现车道线高效的检测提取是自动驾驶领域中亟待攻克的关键技术之一,众多基于视觉方案的检测算法由于图像数据的特点存在一定局限性,如天气光照影响成像质量、难以兼顾弯道直道等.本文结合三维激光点云优势与道路知识规则提出了 一种车道线自动提取算法.首先,通过多次强化道路边界高程差异获取路面点;其次,简化Isodata算法,自适应地得到反射强度滤波阈值;然后采用随机一致性算法检测直线聚类得到候选车道,将候选车道映射成二维矢量并通过类间距约束提取正确车道线;最后,基于相邻关键特征点对的向量拓扑关系一致性实现车道线拓扑重构,得到对应现实世界中意义完整的车道线.算法在车道线达5～6条的情况下,召回率达92.46％,准确率达94.79％,综合评价指标达92.41％,实验结果证明了方法的有效性和可行性.

关键词：车道线提取、激光点云、高程标准差、向量代数、道路知识规则

所属期刊栏目：54

分类号：TN958.98;TP274

资助基金：国家自然科学基金;江西省自然科学基金面上项目

在线出版日期：2024-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1069-1075