利用卷积神经网络的车道线检测方法

论文摘要

车道线检测是自动或智能辅助驾驶的核心问题之一。本文主要研究单目视觉下车道线检测算法。车道线具有多样性,其存在的环境又具有复杂性,因此准确高效的车道线检测是一个具有挑战性的问题。本文提出了一种新的车道线检测算法,在传统车道检测方法中引入深度学习模型,主要包括以下步骤:首先使用图像增强算法利用车道线先验特征进行边缘增强,对于边缘增强后的图像采用线段检测器进行线段提取,然后利用卷积神经网络构造线段分类器排除线段噪声,最后通过对消失点聚类排除无关线段,并按斜率聚类产生主车道线。实验表明,本文实现的算法具备较强的鲁棒性和很高的检测准确度。

论文目录

• 1 引言
• 2 边缘提取增强和线段提取
•   2.1 使用车道线先验特征的边缘增强
•   2.2 线段提取
• 3 线段筛选
• 4 后处理
• 5 实验与测试结果
• 6 结论

文章来源

类型: 期刊论文

作者: 钱沄涛,胡忠闯,陈思宇

关键词: 卷积神经网络,车道线检测,线段检测器

来源: 信号处理 2019年03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: 浙江大学计算机学院

基金: 国家重点研发计划(2018YFB0505000)

分类号: TP391.41;TP183;U463.6

DOI: 10.16798/j.issn.1003-0530.2019.03.015

页码: 435-442

总页数: 8

文件大小: 3825K

下载量: 392