基于深度图像增强的夜间车道线检测技术

论文摘要

针对夜间场景下车道线检测存在的曝光度低、车道线模糊导致查全率低的问题,为提高基于深度学习的车道线检测方法在夜间低曝光场景下的车道线检测的查全率,提出了一种深度图像增强网络和车道线检测网络（LaneNet）相结合的车道线检测方法。首先,使用一个基于生成对抗网络（GAN）的图像增强网络对待检测图像进行增强,提高图像对比度同时增强其梯度;然后,使用一个基于编码器-解码器架构的车道线检测网络LaneNet进行车道线检测并进行实例分割。实验结果表明,该方法在白天场景下表现与LaneNet相当,但在夜晚场景下的车道线正确检出数比LaneNet提高了27%,这表明该方法有效提升了了原车道线检测网络LaneNet在夜晚场景下的查全率。

论文目录

• 0 引言
• 1 图像增强网络结构
•   1.1 图像增强网络
•   1.2 损失函数
• 2 车道线检测网络
•   2.1 车道线检测网络结构
•   2.2 二值化分割
•   2.3 实例分割
•   2.4 聚类
• 3 实验结果与分析
•   3.1 实验环境与数据集
•   3.2 实验结果对比
• 4 结语

文章来源

类型: 期刊论文

作者: 宋扬,李竹

关键词: 图像增强,夜间,车道线检测,深度学习,实例分割

来源: 计算机应用 2019年S2期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 汽车工业,计算机软件及计算机应用,自动化技术

单位: 杭州电子科技大学电子信息学院

分类号: U463.6;TP391.41;TP18

页码: 103-106

总页数: 4

文件大小: 844K

下载量: 288