Un sistema multimodal para la detección y segmentación de carreteras

La detección confiable de carreteras es un tema clave para los Vehículos Inteligentes modernos, ya que puede ayudar a identificar el área transitable, así como potenciar otras funciones de percepción como la detección de objetos. Sin embargo, los entornos reales presentan varios desafíos, como cambios en la iluminación y condiciones climáticas variables. Proponemos un método de detección y segmentación de carreteras multimodal basado en imágenes monoculares y datos LIDAR HD de múltiples capas (nube de puntos 3D). Este algoritmo consiste en tres etapas: extracción de puntos del suelo a partir de LIDAR multicapa, transformación de la información de la cámara en color a una representación invariante a la iluminación, y por último, la segmentación del área de la carretera. Para el primer módulo, la función principal es extraer los puntos del suelo de los datos de LIDAR. Para ello, se realiza una detección de límites de carretera basada en el análisis de histogramas, luego se estima un plano utilizando RANSAC, y se extraen los puntos del suelo según la distancia punto-a-plano. En el segundo módulo, se calcula simultáneamente una representación de imagen de características invariantes a la iluminación. Los puntos del suelo se proyectan al plano de la imagen y luego se utilizan para calcular un mapa de probabilidad de carretera utilizando un modelo gaussiano. La combinación de estas modalidades mejora la robustez de todo el sistema y reduce el tiempo computacional general, ya que los dos primeros módulos se pueden ejecutar en paralelo. Experimentos cuantitativos realizados en el conjunto de datos público KITTI mejorado con anotaciones de carretera confirmaron la efectividad del método propuesto.