Zum Hauptinhalt springen

[Vision AI] Dynamische Fahrspurbegrenzung & Geometrisches IoU-Übertrittskriterium (#2)

· 2 Minuten Lesezeit
Jaybee
Jaybee
AI & Robotics Engineer

Dynamische Spurerkennung Overlay

📌 Kernaussagen (TL;DR)

  • Herausforderung: Blendung durch nasse Fahrbahnen, Teer-Risse und Schatten erzeugen fehlerhafte Linien; einfache X-Koordinaten-Vergleiche erkennen Spurübertritte nicht zuverlässig.
  • Lösung: Kombination aus adaptiver ROI-Trapezmaske, Steigungsfilterung positiver/negativer Geraden und Polygon-Flächenüberlappung (IoU > 0,15).

1. Mathematische Formulierung der Spurextraktion​

Die Fahrbahnbegrenzung wird durch Geradengleichungen in der Bildebene modelliert:

y = m · x + b,   wobei m = (y2 - y1) / (x2 - x1)

Um irrelevante horizontale Markierungen und Schatten auszuschließen, definieren wir strikte Steigungsgrenzen:

  • Linke Spur: $-0.85 < m < -0.45$
  • Rechte Spur: $+0.45 < m < +0.85$

2. Geometrisches IoU-Kriterium für Spurübertritte​

Ein Spurübertritt gilt als verifiziert, wenn das Polygon der Fahrzeug-Unterkante P_{ ext{vehicle}} die Grenzlinie der Fahrspur P_{ ext{lane}} schneidet:

ext{IoU}_{ ext{intrusion}} = rac{ ext{Area}(P_{ ext{vehicle}} \cap P_{ ext{lane}})}{ ext{Area}(P_{ ext{vehicle}})} > heta_{ ext{threshold}}

Mit einem Schwellenwert $ heta = 0.15$ werden kurzzeitige Messausreißer zuverlässig abgefangen, während ein echter Spurwechsel deterministisch registriert wird.

📌 Management Summary (3–5 Zeilen)​

  1. Robuste Filterung: Steigungsschwellenwerte eliminieren 95 % aller Störlinien durch Schatten und Teerfugen.
  2. Polygon-IoU statt Punkt-Vergleich: Die Flächenüberlappung verhindert Fehlauslösungen bei Kurvenfahrten.
  3. Echtzeit-Performance: Die Hough-Transformation auf der Trapez-ROI beansprucht weniger als 3 Millisekunden pro Frame.
  4. Deterministische Übergabe: Verifizierte Spurübertritte triggern automatisch die hochauflösende Kennzeichenerfassung.
ANZEIGE