78、雪覆盖车道可行驶区域检测的计算机视觉模型研究

雪覆盖车道可行驶区域检测的计算机视觉模型研究

1. 引言

高级驾驶辅助系统（ADAS）具备预防或减少约 40%乘用车事故的能力。常见的 ADAS 功能包括前方碰撞预警（FCW）、自动紧急制动（AEB）、车道偏离预警（LDW）、车道保持辅助（LKA）以及盲点预警辅助等。由于人为错误是道路事故的主要原因，ADAS 的设计旨在自动化和改善驾驶体验，以提高道路安全性和培养安全驾驶习惯。

例如，LDW/LKA 系统在限速 45 - 75 英里/小时且车道线可见的高速公路上，可将正面碰撞和单车碰撞事故减少 53%。在较低行驶速度（5 - 20 英里/小时）下，如果采用该技术，11% - 23%的车道偏离事件和 13% - 22%的严重至致命受伤驾驶员事故本可避免。FCW 和 AEB 单独使用就能显著减少追尾碰撞事故。预计到 2023 年，ADAS 市场价值将超过 300 亿美元，并且 ADAS 的作用不仅限于安全，还将提升车辆效率。

然而，ADAS 技术虽取得成功，但仍存在一个显著问题——恶劣天气。在美国，2007 年至 2016 年间，与天气相关的事故占所有记录事故的 21%（1,235,145 起），事故死亡人数的 16%（5376 人），以及事故受伤人数的 19%（418,005 人）。恶劣天气会以多种方式阻碍驾驶员的态势感知和车辆的机动性。当前的一个研究问题是开发在恶劣天气下运行 ADAS 的策略，首要的研究空白是在恶劣天气下识别和分类道路车道，以帮助确定本车和其他车辆的位置。问题在于恶劣天气（如大雨、大雪或大雾）会降低 ADAS 传感器（如摄像头）的最大探测范围和信号质量，因为它会遮挡车道线。

目前针对可靠的 ADAS 在雪地条件下运行的研究较少，且存在一些不足