452 複数車線道路における白線の同時検出

複数車線道路における白線の同時検出
○長岡　孝太郎、胡　振程、王　臣豪（熊本大学）
1.はじめに
近年，実画像を用いた直接視覚ナビゲーション
システム（VICNAS）の開発が盛んに行われてお
り，正確な実画像上への仮想物体の投影（拡張現
実感技術の実現）が必要となっている .しかし，そ
のためには自車両の正確な位置を把握する必要が
あり，位置合わせ問題を解決しなければならない .
本研究は，拡張カルマンフィルタを用いて白線検
出することにより，道路中央と車両との距離，カ
メラ姿勢データを取得し，マップマッチング処理
後の車両位置を特定する手法により作成したモデ
ルを利用し隣接車線を推定し複数車線を持つ道路
にも対応させることを目的とする.
2.自車走行白線の推定
図 1 に従来の車線検知システムの全体の概要を
示す．
3.複数車線への対応
3.1 車線モデル
モデルの構築部では，検出処理を行うために必
要とされる初期モデルの定義を行う．設定される
モデルは，『初期の車線モデルを表す状態ベクト
ル Xd』である．このモデルは，各カメラパラメー
タ(L，X0， φ， α)，および道路の一次，二次水平
曲率情報 C0，C1 から構成される．
T
uiL ,u iR  = g  L , X 0 , Φ ,α ,C 0 ,C 1 
uiL = f


x
u iR= f x
2
2
 vi − f y α   X 0−L
C0 f y h
C 1 f yh
−tanΦ

f yh
2 vi − f y α  6 v i − f y α 2
2
2
 v i− f y α  X 0
C 0 f yh
C1 f y h
−tan Φ

f yh
2 v i − f y α  6 v i − f y α 2


(1)
ただし i=1‥‥n とする
左右隣接車線の白線データの初期値は両側とも
に検出できた場合の自車線の白線データ uiL，uiR
を用いて以下の式により設定する.
u iL '=u iL −width i
uiR '=uiR widthi (2)
ここで uiL'，uiR' は，自車線検出後の白線データ
であり， width i =uiR −u iL である.この値から左右
それぞれの隣接車線の位置を推定する.
3.2 特徴抽出処理
他車線は自車線よりも距離が遠く線が薄いため
図 2 のように中央点最候補画像では点があまり取
れず中央点候補画像ではノイズによる影響が大き
いため右モーメント画像を特徴点として隣接車線
の検出を行う.
図 1　車線検知システムの概要
この車線検知アルゴリズムにより，白線の存在
する一般的な車道においては，分岐部や複数の白
線の存在時を除き，十分な検出精度が達成された．
そのため，今後は，車線検知システムの技術応
用が重要な研究課題となると言える．
本稿では，複数車線での自車線以外の隣接した
車線の検出と信頼度推定を行う．
図 2　特徴点比較
3.3 信頼（安定）評価
自車線より推定された隣接する車線の推定モデ
ル Xd(p) と右モーメント画像とのマッチングを以
下の式で計算する.
N
N
P L= L , P R= R
(3)
ΔvL
Δ vR
ここで，PL， PR は左白線モデルおよび右白線モ
デルの信頼性を評価するスコアであり，NL，NR
は各モデルの左右 3 ピクセル内の探索で右モーメ
ント画像での候補点が検出できたライン数，
ΔvL，ΔvR は画像内に含まれる各モデルの高さ
（＝探索したライン数）を表す．
隣接車線では自車線に比べ候補点が少ないが右
モーメント画像では白線以外のノイズは抑えられ
るためスコアが 10％以上になった際は白線として
信頼できるものとする.
4.実験結果
図 3 のような片側 2 車線の道路で実験を行った
結果を図 4 に示す.
図 3　実験画像
図 6　右モーメント画像
図４では自車線と推定されたモデルを黄色で隣
接している車線と推定された車線モデルをピンク
で表示している.また左上のピンクの数字は信頼度
スコアを表したもでであり左側が右モーメントを
用いた場合で右側が中央点最候補を利用した場合
であり上が隣接する左車線，下が隣接する右車線
をそれぞれ表している.
5.考察
今回隣接している右車線は中央点最候補を利用
しての信頼度推定では検出できなかったが右モー
メント画像を利用してのスコアが 10％を超えてい
るため隣接車線として検出できた.自車線に比べ検
出できる長さが短く情報が少ないためノイズを削
除しより正確にした中央点最候補画像に比べ右モー
メント画像を利用した場合のほうがスコアがよく
なったと考えられる.
6.おわりに
本研究では現在走行している車線検知に加えて，
走行車線と左右に隣接する車線の検出を行った．
これにより，走行車線の周辺環境が，道路領域で
あるか，非道路領域であるかの識別が可能であり，
識別結果と地図情報などを用いての車線数情報な
どから，走行車線番号の推定が可能である．
今後は車線の色や形状情報から車線変更である
か車線逸脱かの判別などを行っていきたい.
参考文献
[1]Romuald Aufrere, Roland Chapuis, Frederic
Chausse,“ A model-driven approach　for real-time road
recognition”, Machine Vision and Applications, 2001,
pp. 95-107.
図 4　実験結果
[2]Y. Wang, D. Shen, and E. K. Teoh, “ Lane detection
using spline model ”,Pattern Recognit. Lett., vol. 21, no.
8, pp. 677-689, Jul. 2000.
[3] Dickmanns， E.D.; Mysliwetz， B.D.”Recursive
3-D road and relative ego-state recognition”Pattern
Analysis and Machine Intelligence， IEEE
Transactions on Volume 14， Issue 2， Feb 1992
Page(s):199 - 213
図 5　中央点最候補画像