-
题名基于实例分割的车道线检测及自适应拟合算法
被引量：17
- 1
-
-
作者
田锦
袁家政
刘宏哲
-
机构
北京市信息服务工程重点实验室(北京联合大学)
北京开放大学智能教育研究院
-
出处
《计算机应用》
CSCD
北大核心
2020年第7期1932-1937,共6页
-
基金
国家自然科学基金资助项目(61571045,61871028,61871039,61802019)
北京市自然科学基金资助项目(KZ201951160050)
+1 种基金
长城学者支持项目(CIT&TCD20190313)
北京联合大学研究生资助项目。
-
文摘
车道线检测是智能驾驶系统的重要组成部分。传统车道线检测方法高度依赖手动选取特征,工作量大,在受到物体遮挡、光照变化和磨损等复杂场景的干扰时精度不高,因此设计一个鲁棒的检测算法面临着很大挑战。为了克服这些缺点,提出了一种基于深度学习实例分割方法的车道线检测模型。该模型基于改进的Mask R-CNN模型,首先利用实例分割模型对道路图像进行分割,提高车道特征信息的检测能力;然后使用聚类模型提取离散的车道线特征信息点;最后提出一种自适应拟合的方法,结合直线和多项式两种拟合方法对不同视野内的特征点进行拟合,生成最优车道线参数方程。实验结果表明,该方法提高了检测速度,在不同场景下都具有较好的检测精度,能够实现对各种复杂实际条件下的车道线信息的鲁棒提取。
-
关键词
车道线检测
智能驾驶
深度学习
实例分割
自适应拟合
-
Keywords
lane line detection
intelligent driving
deep learning
instance segmentation
adaptive fitting
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
