Autonomous vehicle heading and centerline displacement estimation via computer vision

The ability of autonomous vehicles to maintain an accurate trajectory within their own road lane is crucial for their safe operation. In the context of lane following, a measurement of the position of the road lines is required, together with an estimation of lateral displacement and orientation of vehicle. At times, the shape of the road centerline is also required. While several systems are described in the literature, a sharp cut is often made between perception and control, losing a potentially beneficial link. Moreover their evaluation is rarely performed with data from real scenarios. In this work, we propose the design of a vision-based perception system for lane following, capable of robustly detecting the ego-lane and the parameters needed for controlling the vehicle's trajectory. A CNN is employed for the detection of the line markings, which are then fit in the BEV space to a mathematical model. The selected representation is given in the intrinsic Whewell coordinates to facilitate the estimation of the centerline, for which a specific algorithm is proposed. Heading and lateral displacement of the vehicle are then computed, and an EKF is employed to stabilize the results. The overall performance of the system have been evaluated on real-world data, collected simulating different driving conditions and featuring different road geometries.

La capacità di un veicolo a guida autonoma di mantenere una traiettoria accurata all'interno della propria corsia stradale è cruciale per il loro utilizzo in sicurezza. Nel contesto dei sistemi di mantenimento automatico della corsia, la misurazione della posizione della linea stradale è richiesta, insieme alla stima di scostamento laterale e orientamento del veicolo. Alle volte, la forma della linea di centrostrada è ulteriormente richiesta. Mentre diversi sistemi sono descritti in letteratura, è spesso presente un taglio netto tra sistemi di percezione e controllo, il che fa perdere un collegamento potenzialmente benefico. Inoltre, la loro validazione è raramente eseguita utilizzando dati acquisiti in scenari reali. In questo lavoro dunque proponiamo la progettazione di un sistema di percezione basato su visione per il problema del mantenimento automatico della corsia, in grado di rilevare in maniera robusta la propria corsia stradale e i parametri necessari al controllo della traiettoria. Una CNN è utilizzata per la rilevazione delle linee stradali, per le quali viene poi stimato un modello nello spazio della BEV. La rappresentazione scelta è data quindi in coordinate di Whewell in modo da facilitare la stima della centerline, per la quale uno specifico algoritmo viene proposto. Orientamento e scostamento laterale del veicolo sono quindi calcolati, e un EKF è utilizzato per stabilizzare i risultati. Le performance dell'intero sistema sono quindi state valuate su dati reali, raccolti simulando diverse condizioni di guida e geometrie stradali.