基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法.pdfVIP

V01．43 第43卷增刊(I) 东南大学学报(自然科学版) Sup(I) 2013年7月 JOURNALOFSOUTHEAST Science 2013 UNIVERSITY(NaturalEdition) July doi：10．3969／j．issn．1001—0505．2013．S1．001 基于全局与局部模型相互制约 及具有模型不确定性评估的车道线检测方法 刘晓龙 邓志东 (清华大学计算机系，北京100084) (清华大学智能技术与系统国家重点实验室。北京100084) 摘要：针对无人驾驶车辆，提出了一种新的基于全局与局部模型相互制约及具有模型不确定性 评估的车道线检测方法．该方法基于车道线的全局与局部模型。通过它们之间的相互制约与影 响，有效地实现了视觉测量噪声的过滤与全局信息的获取．进一步利用对检测结果或全局模型的 不确定性程度进行评估，不仅可稳定可靠地检测到车道线，而且还可为多源异构传感器之间的信 息融合提供基础支撑．面向高速公路进行了大量的真实道路实验．实验结果表明，利用所提方法 获得的预瞄点，其平均侧向偏差小于0．3m，平均角度偏差小于0．030，能够满足无人驾驶车辆在 高速公路上进行自主行驶的需要． 关键词：车道线检测；全局模型；局部模型；不确定性评估；无人驾驶车辆 中图分类号：U459．2文献标志码：A Lane detection basedoninteraction markings approach of andlocalmodelsand丽th evaluation 910bal uncertainty Liu XiaolongDengZhidong of (DepartmentCompumrScience，TsinghuaUniversity，neijing100084，China) of and (StateKeyLaboratoryIntelligentTechnologySystems，TsinghuaUniversity，B侧ing100084，China) anovellane detection forunmannedvehi· Abstract：This ground paperproposes markings approach isbasedontheinteractionof andlocalmodelswinl cle(UGV)．Theapproach global uncertainty be evaluation．Theeliminationofvisualmeasurementnoisewithlane Can markings effectively andthe informatio