Road lane detection and tracking strategy using a monocular camera

In the automotive field, driver assistance systems are developed to reduce the collateral effects of the actual level of mobility, such as traffic jams and accidents. In a future perspective, it is intended to achieve the level of autonomous and cooperative driving based on sensor networks. The proposed strategy for road lanes detection and tracking fits as a functional requirement for some of these systems, as the Lane Departure Warning and Lane Keep Assist. The algorithm development was structured based in three processing levels: low, mid and high levels. The low-level processing enhances the input image, the mid-level processing is an interest feature extractor, and the high-level is the lane position tracking strategy. The algorithm's response evaluation, for the chosen samples, was realized with metrics based on the deviation between the tracked and the original lane. The strategy shows good accuracy levels at the ideal scenario, including shadows, curves, and road slope. However, the accuracy is impaired if the lane is dashed, badly signalized and if road reflection or dazzle harm the image capture by the camera.No setor automotivo, os sistemas de auxílio ao condutor são desenvolvidos para reduzir os efeitos colaterais do nível de mobilidade atingido atualmente, como os acidentes de trânsito e os congestionamentos. Em uma perspectiva futura, pretende-se atingir o nível de direção autônoma e cooperativa baseada em redes de sensores. A estratégia de detecção e rastreamento de faixas rodoviárias proposta neste trabalho se enquadra nos requisitos funcionais de alguns desses sistemas, como o Lane Departure Warning (Aviso de Saída de Faixa) e o Lane Keep Assist (Assistência de Manutenção de Faixa). O desenvolvimento do algoritmo foi organizado em três níveis de processamento; baixo, médio e alto. Na etapa de processamento de baixo nível realizam-se as operações de preparação e melhoramento da imagem de entrada, na etapa de nível médio realiza-se a extração das características de interesse e a etapa de alto nível consiste da técnica de rastreamento da posição das faixas. Avaliou-se a resposta do algoritmo, para as amostras escolhidas, por meio de métricas baseadas no distanciamento das faixas rastreadas em relação à posição original das mesmas. Constatou-se que a estratégia apresenta boa precisão nos cenários considerados ideias, inclusive com a presença de sombras, curvas, aclive e declive na estrada. Contudo, essa precisão é comprometida quando a faixa é segmentada, mal sinalizada e quando o reflexo na pista ou o ofuscamento afeta a captura da imagem pela câmera