基于语义分割的无人驾驶车道线检测算法研究

自动驾驶车辆在实际行驶过程中,往往对车道线检测的算法效率有着很高的要求,针对这一问题,本文基于2018年提出的经典车道线检测模型Lanenet,提出一种检测时间开销较小的算法,本算法主要通过两个方法提升车道线检测实时性:一是压缩网络结构,减少图片前向处理时间;二是使用时间复杂度小的k-means算法对车道线像素进行聚类,加快聚类效率。在相同实验环境下,本算法在总时间上比Lanenet减少了77.9%,能更好的解决车道线检测实时性能差这一问题。