Lane Detection Using LIDAR Data

Abstract

Detekce jízdních pruhů hraje v autonomní navigaci vozidel zásadní roli. Tradiční přístupy sice využívají data z kamer, ale často trpí výrazným zkreslením obrazu. Naproti tomu nedávný vývoj zavedl techniky založené na datech LIDAR (Light Detection and Ranging), které nejsou těmito omezeními ovlivněny. Hlavním cílem této studie je prozkoumat a vyvinout techniky detekce jízdních pruhů na základě údajů LIDAR, se zvláštním zaměřením na algoritmy strojového učení. Bude navržen nový přístup a porovnány různé varianty tohoto přístupu s cílem vyhodnotit jejich výkonnost a potenciální výhody. Prostřednictvím této srovnávací analýzy se studie snaží přispět k rozvoji autonomní navigace vozidel tím, že nabídne robustnější a přesnější řešení detekce jízdních pruhů, které může výrazně snížit chyby navigace a zvýšit celkovou bezpečnost vozidel.

Lane detection plays a critical role in autonomous vehicle navigation. While traditional approaches utilize camera data, they often suffer from significant image distortion issues. In contrast, recent developments have introduced techniques based on LIDAR (Light Detection and Ranging) data, which are unaffected by these limitations. The primary goal of this study is to investigate and develop LIDAR- based lane detection techniques, with a particular focus on machine learning algorithms. It will propose a novel approach and compare different variations of this approach to evaluate their performance and potential advantages. Through this comparative analysis, the study seeks to contribute to the development of autonomous vehicle navigation by offering a more robust and accurate lane detection solution that can significantly reduce navigation errors and improve overall vehicle safety.