[Vision AI] 動的車線境界抽出および幾何学的IoU車線侵犯判定アルゴリズム (#2)

📌 Key Takeaways (要約)

• 課題: ドラレコ映像は路面反射、アスファルトの亀裂、影によって誤検出が多発し、単純な座標判定では車線変更の瞬間を正確に捉えられません。
• 解決策: 消失点基準の台形ROIマスク、傾きフィルタリング（|slope| > 0.5）、および7フレーム移動平均キューを採用しました。侵犯判定は車両接地領域（下部30%）と車線ポリゴン間の幾何学的IoU（> 0.05）で定式化しました。
• 成果: 路面ノイズを95%以上除外しながら、車線侵犯の瞬間をサブフレーム単位で安定して検出することに成功しました。

---

1. 動的車線検出: Cannyと確率的ハフ変換

def detect_lanes(frame):
    height, width = frame.shape[:2]
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (5, 5), 0)
    edges = cv2.Canny(blur, 50, 150)
    
    mask = np.zeros_like(edges)
    roi_polygon = np.array([[
        (int(width * 0.1), height),
        (int(width * 0.45), int(height * 0.6)),
        (int(width * 0.55), int(height * 0.6)),
        (int(width * 0.9), height)
    ]], np.int32)
    cv2.fillPoly(mask, roi_polygon, 255)
    masked_edges = cv2.bitwise_and(edges, mask)
    
    return cv2.HoughLinesP(masked_edges, 1, np.pi/180, 20, minLineLength=20, maxLineGap=10)

---

2. 傾きフィルタリングと平滑化

線分の傾き m = (y2 - y1) / (x2 - x1) を評価:

• 左車線: m < -0.5
• 右車線: m > 0.5
• 路面ノイズ（横線）: |m| <= 0.5 は即座に棄却

さらに deque(maxlen=7) を用いてフレーム間の揺れ（ジッター）を除去します。

---

3. 幾何学的IoU侵犯判定

Footprint = [x_min, y_min + 0.7*h, x_max, y_max]
IoU = Area(Footprint ∩ Lane_Polygon) / Area(Footprint)

def check_lane_intrusion(vehicle_box, lane_polygon, threshold=0.05):
    vx1, vy1, vx2, vy2 = vehicle_box
    vh = vy2 - vy1
    footprint = Polygon([(vx1, vy1 + 0.7*vh), (vx2, vy1 + 0.7*vh), (vx2, vy2), (vx1, vy2)])
    
    intersection = footprint.intersection(lane_polygon).area
    iou = intersection / footprint.area
    return iou > threshold, iou

IoU > 0.05 を超えた段階で侵犯フラグを有効化し、ナンバープレート検出器を起動します。

---

4. 次回予告

第3編では、階層的物体検出（YOLOv3 + YOLOv5プレート専用モデル）と、GPU負荷を大幅に削減するCSRT追跡器の統合について解説します。