Since the early 2000s, many global automotive industries have been working to reduce traffic accidents and improve driver convenience by developing autonomous vehicles. Lane detection is especially necessary for the most basic and important advanced driver assistance system (ADAS) such as lane keeping assist system, lane change assist system and lane departure warning system. However, although existing algorithms have good performance in lane detection on general roads, when there are poor road markings or surrounding obstacles exist on the road, a false lane detection occurs or lane detection is not performed properly. Therefore, in this paper, we propose a robust multi-lane detection and tracking algorithm for automated highway driving. To solve the above problems, we introduce three core technologies. First, using a local adaptive threshold, we find features of lanes that are difficult to extract and remove noises caused by obstacles. Next, we use an adaptive RANSAC algorithm to extract only a correct lane. Through the adaptive RANSAC algorithm, the correct lane is detected except for outlier by using a location and angles of edges. Also, a curvature of lane history is used to prevent a false lane. Finally, through the lane classification, the accuracy of the detected lanes is greatly improved by detecting only lanes that are verified once again. This algorithm achieved 99.9% precision and 99.0% recall using a general highway dataset.
2000년대 초반 이후 많은 완성차 업체 및 IT 업계에서 자율주행 자동차 개발을 통해 교통사고를 줄이고 운전자의 편의를 높이기 위해 노력하고 있다. 그 중에서도 차선 검출은 가장 기초적이면서도 자율주행의 핵심 기술이며 차선 유지 보조 시스템, 차선 변경 보조 시스템, 차선 이탈 경보 시스템 등의 운전자 보조 시스템을 위해서도 반드시 필요하다. 하지만 현재의 알고리즘은 일반적인 도로 환경에서는 차선 검출이 뛰어나지만, 도로 상에 빛과 그림자, 날씨의 변화 또는 주변의 장애물들이 존재할 경우 잘못된 차선 검출이 발생하거나 차선 검출을 제대로 하지 못하는 경우가 발생한다. 따라서 본 논문에서는 다양한 환경에 강인한 다중 차선 추출 및 추적 알고리즘을 제안하고자 한다. 앞서 언급한 문제점들을 본 논문에서는 3가지 핵심 알고리즘을 통하여 해결하였다. 우선, 파란 차선, 닳은 차선 등 측정하기 어려운 차선을 위해 적응 역치를 이용하여 특징점을 추출함과 동시에 장애물로 인한 노이즈들을 제거한다. 다음으로 올바른 차선만을 추출하기 위해 적응 RANSAC 알고리즘을 이용한다. 적응 RANSAC 알고리즘을 통해 특이치(outlier)를 제외한 올바른 차선을 검출함과 동시에 기존의 차선 곡률을 이용하여 장애물로 인한 잘못된 차선이 검출되지 않도록 한다. 마지막으로 추출한 차선에 대해 차선 분류기를 거쳐 다시 한 번 검증된 차선만을 검출하여 정확도를 획기적으로 높인다. 본 알고리즘은 일반적인 고속도로 자료를 이용하여 정밀도 (Precision)는 99.9%, 재현율 (Recall)은 99.0%를 달성하였다.
