期刊文献+

基于全卷积神经网络的公交专用道识别

Bus lane detection based on fully convolutional neural network
下载PDF
导出
摘要 为提高公交专用车道识别的实时性和鲁棒性,结合深度学习技术和图像处理,设计并实现了一种基于全卷积神经网络的公交专用道识别算法。该方法将道路图像输入全卷积网络模型,经过模型的不断训练与优化,最后通过反卷积层输出标记的当前车道区域。与识别车道标线相比,识别车道区域能够有效降低环境因素的影响,例如当地面有其他线条干扰,或在没有车道标线或者标线不明显时,还可以根据周边景物辅助判断车道区域。与传统的车道线识别算法相比,该算法能更准确地检测出公交专用车道区域。目前已在实际项目中应用取得了良好的效果。
作者 苟玉晓 江永全 杨燕 周冠禄 林凯 Gou Yuxiao;Jiang Yongquan;Yang Yan
出处 《计算机应用研究》 CSCD 北大核心 2020年第S01期406-407,405,共3页 Application Research of Computers
基金 四川省科技厅重点研发项目(2018GZ0365)
  • 相关文献

参考文献8

二级参考文献116

  • 1顾柏园,王荣本,余天洪,郭烈.基于视觉的前方车辆探测技术研究方法综述[J].公路交通科技,2005,22(10):114-119. 被引量:14
  • 2郭烈,王荣本,顾柏园,余天洪.世界智能车辆行人检测技术综述[J].公路交通科技,2005,22(11):133-137. 被引量:18
  • 3毕雁冰,管欣,詹军.车道识别过程中搜索车道线的方法[J].汽车工程,2006,28(5):439-442. 被引量:7
  • 4谢逢,罗立民,田雪芹.基于知识的人脑三维医学图像分割显示方法[J].生物医学工程学杂志,1997,14(2):124-127. 被引量:11
  • 5Serge B, Michel B. Road segmentation and obstacle detection by a fast watershed transform [A ]. In: Proceedings of the Intelligent Vehicles '94 Symposium [C], Paris, France, 1994:296-301.
  • 6Kluge K, Lakshmanan S. A deformable template approach to lane detection [A ]. In: Proceedings of IEEE Intelligent Vehicle'95[C], Detroit, MI, USA, 1995:54-59.
  • 7Grimmer D, Lakshmanan S A. deformable template approach to detecting straight edges in radar images[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence[J]. 1996,18(4):438-443.
  • 8NOOKALA M,ESTOCHEN B.Minnesota,USA Intelligent Vehicle Initiative[C] // The Proceedings of IEEE Intelligent Vehicles Symposium.2002:22-27.
  • 9BROGGI A.智能车辆-智能交通系统的关键技术[M].北京:人民交通出版社,2002:33-36.
  • 10Demo 2002 Showcases French Accomplishments in Smart Car Technology[R].Ⅳsource.net,Jul.y-September,2002.

共引文献700

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部