基于改进 RANSAC 算法的车道线识别方法

TL;DRAbstract

为在光照变化和车道线破损、阴影遮挡和污迹覆盖等路况下提高车道线识别算法的实时性和鲁棒性，在特征提取基础上提出一种改进的随机抽样一致（RANSAC）算法。首先使用对应掩模分别对特征提取后的左右车道线区域进行滤波得到特征点的随机抽样集，并从中随机抽取特征点初始化车道线参数；然后在余集中选取到初始模型距离小于阈值容限的特征点，构成一致集，并用其中的特征点重新构建新的车道线模型；最后删除新模型一致集内的所有特征点以及到新模型距离介于阈值容限和删除容限之间的点；按照上述步骤重复迭代数次后，选取最大一致集所计算的参数作为最佳车道线参数。各种路况下大量实验测试和对比分析的结果表明：改进的RANSAC算法在各种工况下均能实现车道线的正确识别，具有较好的鲁棒性；同时删除容限的引入使算法的迭代过程相互独立，在提高算法实时性的基础上更有利于得到最佳车道线参数。

Chat with Paper

AI Agents for this Paper