车道线的实时检测对于高级驾驶辅助系统至关重要。在光照条件不佳工况下，相机无法满足车道线检测精度的要求，科研人员逐渐开始借助激光雷达进行车道线的检测研究。目前，基于激光雷达的车道线检测研究焦点正逐渐从车道线位置检测转移至其类型识别，部分研究借助32线和64线激光雷达单帧点云能有效识别实虚车道线，但成本较高。16线激光雷达单帧点云分布较稀疏，单帧检测无法有效区分实虚线，但该缺陷可通过增加检测帧数解决。然而，当检测帧数过少时，点云仍较为稀疏，无法判别实虚线；当检测帧数过多时，多帧点云的处理效率较低。因此，本文针对16线激光雷达实虚线判别的检测帧数选取问题展开研究，提出一种适用于常见车道、车道线类型、车速和激光雷达安装高度的最小检测帧数优化选取策略，主要的研究内容如下：
（1）建立实虚线识别所需最小检测帧数求取模型。首先选定车道、车道线、车速和激光雷达安装高度等参数，搭建场景；其次针对任一参数组合下的场景，依次选定检测帧数，并模拟生成对应扫描点，根据扫描点来判断该检测帧数能否满足该场景内所有检测起点下的车道线判别，从而求得该选定场景下的最小检测帧数；依此类推，求得各种参数组合下的实虚线判别所需最小检测帧数。
（2）设计最小检测帧数优化选取策略。研究过程中，首先分析单帧及多帧检测无法判别车道虚线的原因；在此基础上，针对不同车道及对应车道线类型，结合扫描点分布情况和车道虚线类型，来分析车速和激光雷达安装高度对实虚线判别所需最小检测帧数的影响，并总结出该车道下实虚线判别所需最小检测帧数的求取公式；最后，综合考虑各种车道类型，总结出适用于该研究所涉及所有车道的最小检测帧数优化选取策略。
（3）设计车道线检测算法。首先，通过感兴趣区域的提取、路沿特征点提取和路面点云提取对原始点云进行预处理；其次，基于改进大津算法提取出车道线特征点云；最后，采取DBSCAN算法聚类车道线。
（4）实验验证最小检测帧数优化选取策略。首先，结合校园道路条件，选定实验条件，采集道路点云；其次，通过车道线检测算法对所采集的各单帧点云进行后处理；最后，依据设计的实验组合，借助处理后的点云，对实验道路内的车道线进行判别，从而部分验证上述理论推导所获检测帧数选取策略的准确性。
谷歌
火狐
