一个基于RIME优化和最佳值的车道检测算法
Shuang Zhai1, Xiao Zhao1, Guoming Zu1
1College of Computer Science and Engineering, Changchun University of Technology, Changchun, 130012, China.
Scientific reports
|November 8, 2024
概括
这项研究引入了一种新的车道检测算法,用于挑战性道路条件,通过整合/冰优化和最佳值来实现更安全的自动驾驶,将准确性提高到93.87%.
科学领域:
- 计算机视觉 计算机视觉
- 自主驾驶系统 自主驾驶系统
- 图像处理 图像处理
背景情况:
- 复杂的道路条件,如和冰,显著降低了车道线路检测性能.
- 现有的算法与低可见度和干扰作斗争,影响自动驾驶汽车的安全性.
研究的目的:
- 开发一个强大的车道线路检测算法,适应恶劣的天气和道路条件.
- 为了提高自动驾驶系统的车道检测的准确性和效率.
主要方法:
- 一个新的算法,将/冰优化与最佳值相结合.
- 使用Retinex理论进行预处理,以减少噪音和保存细节.
- 通过增强的OTSU值与帐映射进行细分.
- 鸟视图转换和适应式滑动窗口用于特征识别.
- 使用RANSAC与抛物线模型进行车道线路装配.
主要成果:
- 实现了93.87%的车道线路检测准确率,超过了传统的Hough转换 (43.2%) 和组合方法 (89.16%).
- 与类似的图像分割算法相比,在值计算错误和计算效率方面表现出显著的优势.
- 在复杂的道路条件下对干扰因素表现出了显著的坚固性.
结论:
- 拟议的算法有效地解决了由复杂的道路条件引起的低车道线路检测率的挑战.
- 该方法提供了卓越的准确性和稳定性,对于可靠的自动驾驶系统至关重要.
- 公开可用的代码促进了智能交通系统的进一步研究和开发.
