-
题名激光点云特征与知识规则协同的车道线提取
- 1
-
-
作者
刘德儿
李雨晴
-
机构
江西理工大学土木与测绘工程学院
-
出处
《激光与红外》
CAS
CSCD
北大核心
2024年第7期1069-1075,共7页
-
基金
国家自然科学基金面上项目(No.42271434)
江西省自然科学基金面上项目(No.20202BAB202025)资助。
-
文摘
实现车道线高效的检测提取是自动驾驶领域中亟待攻克的关键技术之一,众多基于视觉方案的检测算法由于图像数据的特点存在一定局限性,如天气光照影响成像质量、难以兼顾弯道直道等。本文结合三维激光点云优势与道路知识规则提出了一种车道线自动提取算法。首先,通过多次强化道路边界高程差异获取路面点;其次,简化Isodata算法,自适应地得到反射强度滤波阈值;然后采用随机一致性算法检测直线聚类得到候选车道,将候选车道映射成二维矢量并通过类间距约束提取正确车道线;最后,基于相邻关键特征点对的向量拓扑关系一致性实现车道线拓扑重构,得到对应现实世界中意义完整的车道线。算法在车道线达5~6条的情况下,召回率达92.46%,准确率达94.79%,综合评价指标达92.41%,实验结果证明了方法的有效性和可行性。
-
关键词
车道线提取
激光点云
高程标准差
向量代数
道路知识规则
-
Keywords
lane line extraction
laser point cloud
elevation standard deviation
vector algebra
road knowledge rules
-
分类号
TN958.98
[电子电信—信号与信息处理]
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名一种基于无人机影像的高精地图车道线检测与提取方法
被引量：5
- 2
-
-
作者
吕可晶
严虹
-
机构
中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室
中国科学院大学资源与环境学院
-
出处
《重庆大学学报》
CAS
CSCD
北大核心
2022年第8期141-150,共10页
-
基金
国家重点研发计划资助项目(2017YFB0503501)。
-
文摘
高精度地图是实现自动驾驶技术必不可少的基础设施,车道线是高精度地图车道级路网的重要组成部分。以往高精度地图的车道线检测多基于车载摄像头数据,存在成像范围有限、需要透视变换和多次拼接造成的效率问题。基于无人机航拍影像,采用U-Net网络识别道路区域,过滤非道路区域噪声,通过HSL颜色变换和Sobel算子分别计算车道线颜色和边缘梯度特征,使用Otsu算法自动确定特征分割阈值获得二值化车道线特征图,通过局部最大值算法确定滑动窗口的初始位置,最后借助滑动窗口算法和多项式检测拟合车道线。实验结果表明,在保证一定检测精度的前提下,单条车道线检测长度超过了百米,道路检测效率达到25.2 m/s,对比于地面影像的检测算法具有明显的效率优势。
-
关键词
高精度地图
无人机影像
车道线提取
U-Net
视觉特征
-
Keywords
high definition map
UAV image
lane line extraction
U-Net
visual features
-
分类号
P285.4
[天文地球—地图制图学与地理信息工程]
-
-
题名复杂环境下道路车道线识别算法的研究
被引量：6
- 3
-
-
作者
曹月花
罗文广
蓝红莉
赵晓东
-
机构
广西科技大学电气与信息工程学院
广西科技大学网络与现代教育技术中心
国家电网郑州供电公司
-
出处
《现代电子技术》
北大核心
2017年第14期109-113,共5页
-
基金
国家自然科学基金项目(61563006)
广西汽车零部件与整车技术重点实验室基金项目(13-051-38)
开放基金项目(2013KFZD03)资助
-
文摘
针对不同光照、雨雪天、大雾天等恶劣环境下道路车道线识别难的问题,研究其识别算法。弱光照下,通过面积算子选取合适阈值进而实现边缘增强;夜间光照更弱的情况下,通过改进SUSAN算子实现夜间昏暗道路的边缘增强,解决了道路信息模糊、周围因素影响等造成的噪声干扰;强光照下,通过强光滤波算法可以消除伪边缘干扰,实现车道线的准确识别。雨雪天下,道路积水造成路面复杂,不能准确找到车道线特征点,通过建立路面积水反射模型,去除光的反射影响,增强路面和车道信息对比度,实现车道线信息的准确提取。大雾天,道路信息模糊不清,通过逆透视原理、差值分离建立道路识别模型,对道路特征进行加强分析,增强车道信息,提高识别效果。实验验证了所提出和改进的复杂环境下道路车道线识别算法的有效性,并且具有较强的鲁棒性和抗扰能力,可应用到智能交通系统中。
-
关键词
车道线
车道线信息提取
逆透视变换
边缘增强
-
Keywords
lane line
lane line information extraction
inverse perspective transformation
edge enhancement
-
分类号
TN912.34-34
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种交通监控场景下的多车道检测方法
被引量：4
- 4
-
-
作者
王镇波
余志
赵建华
李熙莹
罗东华
-
机构
中山大学工学院智能交通研究中心
广东省智能交通系统重点实验室
广东省公安厅交通管理局
广州市方纬交通科技有限公司
-
出处
《计算机工程与应用》
CSCD
2012年第12期14-18,23,共6页
-
基金
国家自然科学基金(No.5178362)
-
文摘
为自动有效地获取交通监控场景中的多车道信息,提出一种利用骨架化边缘的多车道检测算法,以克服视频处理对固定场景和明确的先验车道位置信息的依赖。算法主要针对静态的交通背景图处理,采用背景提取、滤波和数字形态学预处理等,由Hough变换确定车道位置的骨架线;由行车方向约束车道线角度,利用车道线几何成像特性检测出准车道线,获取车道线和车道区域。实验表明,对不同的交通场景和不同光照条件,该方法能有效检测多车道,鲁棒性强,具有较高的工程应用价值。
-
关键词
交通监控视频
多车道检测
车道线提取
骨架化
-
Keywords
traffic surveillance video
multi-lanes detection
lane snatch
skull
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
