基于实例分割方法的复杂场景下车道线检测

论文摘要

面对当前在复杂场景下车道线检测存在精度不高、鲁棒性较差等问题,提出一种基于实例分割方法的复杂场景下车道线检测算法。该算法基于改进的VGG-16卷积神经网络结构,首先对道路图像进行二值化语义分割,得到离散的车道线像素点;再采用Mean shift聚类方法确定属于同一条车道线的像素点,形成相应的车道线实例;最后结合可变透视变换矩阵变换道路图像,采用多项式拟合生成车道线参数方程。该算法能够在车道线残缺、被阴影遮挡或数量发生变换等复杂场景下,实现对车道线的准确检测,具有较高的识别准确率。实验结果表明,该算法在不同场景下弯道和直道检测的平均准确率为96.6%,能适合多种路况车道线检测,鲁棒性较好。

论文目录

• 1 车道线实例分割
•   1.1 网络框架
•   1.2 图像二值化语义分割
•   1.3 车道线聚类
•   1.4 车道线拟合
•     1.4.1 透视变换
•     1.4.2 拟合曲线方程
• 2 网络误差分析与超参数优化
•   2.1 网络误差分析
•   2.2 Hyperopt超参数优化
• 3 实验结果与分析
•   3.1 车道线直道与弯道检测结果
•   3.2 车道线检测准确率分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 姜立标,台啟龙

关键词: 车道线检测,深度学习,实例分割,透视变换

来源: 机械设计与制造工程 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 汽车工业,计算机软件及计算机应用

单位: 华南理工大学机械与汽车工程学院,华南理工大学广州学院汽车与交通工程学院

分类号: TP391.41;U463.6

页码: 113-118

总页数: 6

文件大小: 1085K

下载量: 314