期刊文献+
共找到324篇文章
< 1 2 17 >
每页显示 20 50 100
ST-LaneNet: Lane Line Detection Method Based on Swin Transformer and LaneNet
1
作者 Yufeng Du Rongyun Zhang +3 位作者 Peicheng Shi Linfeng Zhao Bin Zhang Yaming Liu 《Chinese Journal of Mechanical Engineering》 SCIE EI CAS CSCD 2024年第1期130-145,共16页
The advancement of autonomous driving heavily relies on the ability to accurate lane lines detection.As deep learning and computer vision technologies evolve,a variety of deep learning-based methods for lane line dete... The advancement of autonomous driving heavily relies on the ability to accurate lane lines detection.As deep learning and computer vision technologies evolve,a variety of deep learning-based methods for lane line detection have been proposed by researchers in the field.However,owing to the simple appearance of lane lines and the lack of distinctive features,it is easy for other objects with similar local appearances to interfere with the process of detecting lane lines.The precision of lane line detection is limited by the unpredictable quantity and diversity of lane lines.To address the aforementioned challenges,we propose a novel deep learning approach for lane line detection.This method leverages the Swin Transformer in conjunction with LaneNet(called ST-LaneNet).The experience results showed that the true positive detection rate can reach 97.53%for easy lanes and 96.83%for difficult lanes(such as scenes with severe occlusion and extreme lighting conditions),which can better accomplish the objective of detecting lane lines.In 1000 detection samples,the average detection accuracy can reach 97.83%,the average inference time per image can reach 17.8 ms,and the average number of frames per second can reach 64.8 Hz.The programming scripts and associated models for this project can be accessed openly at the following GitHub repository:https://github.com/Duane 711/Lane-line-detec tion-ST-LaneNet. 展开更多
关键词 Autonomous driving lane line detection Deep learning Swin transformer
下载PDF
A Precise Information Extraction Algorithm for Lane Lines 被引量:3
2
作者 Jinyan Chen Yaduan Ruan Qimei Chen 《China Communications》 SCIE CSCD 2018年第10期210-219,共10页
Lane line detection is a fundamental step in applications like autonomous driving and intelligent traffic monitoring. Emerging applications today have higher requirements for accurate lane detection. In this paper, we... Lane line detection is a fundamental step in applications like autonomous driving and intelligent traffic monitoring. Emerging applications today have higher requirements for accurate lane detection. In this paper, we present a precise information extraction algorithm for lane lines. Specifically, with Gaussian Mixture Model(GMM), we solved the issue of lane line occlusion in multi-lane scenes. Then, Progressive Probabilistic Hough Transform(PPHT) was used for line segments detection. After K-Means clustering for line segments classification, we solved the problem of extracting precise information that includes left and right edges as well as endpoints of each lane line based on geometric characteristics. Finally, we fitted these solid and dashed lane lines respectively. Experimental results indicate that the proposed method performs better than the other methods in both single-lane and multi-lane scenarios. 展开更多
关键词 multi-lane scenes lane line occlusion left and right edges endpoints of lane lines
下载PDF
Lane Line Detection Based on Improved PINet
3
作者 Xueyan Jiao Yiqiao Lin Lei Zhao 《Journal of Computer and Communications》 2023年第3期47-72,共26页
Accurate perception of lane line information is one of the basic requirements of unmanned driving technology, which is related to the localization of the vehicle and the determination of the forward direction. In this... Accurate perception of lane line information is one of the basic requirements of unmanned driving technology, which is related to the localization of the vehicle and the determination of the forward direction. In this paper, multi-level constraints are added to the lane line detection model PINet, which is used to improve the perception of lane lines. Predicted lane lines in the network are predicted to have real and imaginary attributes, which are used to enhance the perception of features around the lane lines, with pixel-level constraints on the lane lines;images are converted to bird’s-eye views, where the parallelism between lane lines is reconstructed, with lane line-level constraints on the predicted lane lines;and vanishing points are used to focus on the image hierarchy, with image-level constraints on the lane lines. The model proposed in this paper meets both accuracy (96.44%) and real-time (30 + FPS) requirements, has been tested on the highway on the ground, and has performed stably. 展开更多
关键词 lane line Detection Instance Segmentation ACCURACY Real Time
下载PDF
Lane departure warning systems and lane line detection methods based on image processing and semantic segmentation:A review 被引量:16
4
作者 Weiwei Chen Weixing Wang +3 位作者 Kevin Wang Zhaoying Li Huan Li Sheng Liu 《Journal of Traffic and Transportation Engineering(English Edition)》 CSCD 2020年第6期748-774,共27页
Recently,the development and application of lane line departure warning systems have been in the market.For any of the systems,the key part of lane line tracking,lane line identification,or lane line departure warning... Recently,the development and application of lane line departure warning systems have been in the market.For any of the systems,the key part of lane line tracking,lane line identification,or lane line departure warning is whether it can accurately and quickly detect lane lines.Since 1990 s,they have been studied and implemented for the situations defined by the good viewing conditions and the clear lane markings on road.After then,the accuracy for particular situations,the robustness for a wide range of scenarios,time efficiency and integration into higher-order tasks define visual lane line detection and tracking as a continuing research subject.At present,these kinds of lane marking line detection methods based on machine vision and image processing can be divided into two categories:the traditional image processing and semantic segmentation(includes deep learning)methods.The former mainly involves feature-based and model-based steps,and which can be classified into similarity-and discontinuity-based ones;and the model-based step includes different parametric straight line,curve or pattern models.The semantic segmentation includes different machine learning,neural network and deep learning methods,which is the new trend for the research and application of lane line departure warning systems.This paper describes and analyzes the lane line departure warning systems,image processing algorithms and semantic segmentation methods for lane line detection. 展开更多
关键词 Traffic engineering lane departure warning lane line detection Image processing Image analysis Semantic segmentation
原文传递
Application of the Bus Line Simulation Model in the Assessment of the Potential Effects of Bus Lane Separation
5
作者 Marek Bauer 《通讯和计算机(中英文版)》 2014年第1期74-87,共14页
关键词 公交专用道 仿真模型 总线 影响评价 应用 公共交通系统 分离 多元回归分析
下载PDF
LaneSegNet:一种高效的车道线检测方法 被引量:7
6
作者 胡序洋 高尚兵 +2 位作者 汪长春 胡立伟 李少凡 《南京信息工程大学学报(自然科学版)》 CAS 北大核心 2022年第5期551-558,共8页
车道线检测在智能交通领域占有重要地位,其检测的准确度和速度对于辅助驾驶以及自动驾驶有重要影响.针对目前深度学习方法识别车道线精度差、速度慢的问题,提出了一种高效的车道线分割方法LaneSegNet.首先基于编码和解码网络原理构建主... 车道线检测在智能交通领域占有重要地位,其检测的准确度和速度对于辅助驾驶以及自动驾驶有重要影响.针对目前深度学习方法识别车道线精度差、速度慢的问题,提出了一种高效的车道线分割方法LaneSegNet.首先基于编码和解码网络原理构建主干网络Lane-Net,用于提取车道线特征信息并分割出车道线;然后使用多尺度空洞卷积特征融合网络,可以极大地扩充模型的感受野,提取全局特征信息;最后使用混合注意力网络获取丰富的车道线特征,并增强与当前任务相关的信息.实验结果表明:在TuSimple数据集上,该方法检测车道线的准确率为97.6%;在CULane数据集上,该方法在标准路面的检测准确率达到92.5%,多种路面综合检测准确率为75.2%.本文提出的LaneSegNet车道线检测方法分割精确度和推理速度优于其他对比模型,且具有更强的适应性和鲁棒性. 展开更多
关键词 智能交通 车道线检测 空洞卷积 注意力机制
下载PDF
一种基于Edline线特征的车道线识别算法 被引量:2
7
作者 姬广奥 刘志强 《河北工业科技》 CAS 2020年第3期190-195,共6页
为了提升车道线检测的准确性和实时性,改良车道偏离预警系统的性能,提出了一种新的车道线识别算法。首先应用投影法对采集到的图像设立感兴趣区域,以此来减少图像中存在的干扰信息;其次应用一种改进后的自适应高斯滤波算法对采集所得图... 为了提升车道线检测的准确性和实时性,改良车道偏离预警系统的性能,提出了一种新的车道线识别算法。首先应用投影法对采集到的图像设立感兴趣区域,以此来减少图像中存在的干扰信息;其次应用一种改进后的自适应高斯滤波算法对采集所得图像进行平滑处理,减少图像中不必要的细节;最后采用边缘绘制算法进行边缘检测,在此基础上,提出一种线段检测算法——Edline算法提取边缘线,对检测到的直线段进行筛选和聚类。利用引用计数法对车道线进行跟踪和预测。结果表明,新算法的平均处理时间为17.1 ms,准确率为96.19%,将其应用在车道偏离预警系统中可以有效地提高预警效率,提升预警的准确性和响应速度。研究结果丰富了车道线识别理论,可为车道偏离预警系统的应用及基础研究提供参考。 展开更多
关键词 公路标志、信号、监控工程 高斯滤波算法 车道线检测 Edline 车道线跟踪
下载PDF
基于改进Mask R-CNN+LaneNet的车载图像车辆压线检测 被引量:6
8
作者 孙建波 张叶 常旭岭 《光学精密工程》 EI CAS CSCD 北大核心 2022年第7期854-868,共15页
针对辅助驾驶或自动驾驶领域车载图像的车辆压线检测问题,以及检测过程中由于欠曝、阴影或实体遮挡等因素导致的漏检、误检问题,提出基于改进Mask R-CNN与LaneNet的车辆压线检测算法。在网络优化方面,在Mask RCNN网络的基础上将RoI Alig... 针对辅助驾驶或自动驾驶领域车载图像的车辆压线检测问题,以及检测过程中由于欠曝、阴影或实体遮挡等因素导致的漏检、误检问题,提出基于改进Mask R-CNN与LaneNet的车辆压线检测算法。在网络优化方面,在Mask RCNN网络的基础上将RoI Align层的图像缩放算法(双线性插值)改进为双三次插值,将全连接层卷积化的VGG16网络取代LaneNet的E-Net共享解码器;在图像增强方面,改进Gamma校正算法以实现欠曝图像的自动校正;在训练数据方面,完成Tusimple数据集中车辆目标的标注并基于改进的随机擦除算法在网络训练过程中进行数据增强。实验结果表明:车辆检测速度保持不变的同时车道线检测速度提升了28%,车辆漏检率、误检率分别降低了38.93%,89.04%,车道线漏检率、误检率分别降低了67.21%,87.05%,算法的性能指标可满足车辆压线判断的应用需求。 展开更多
关键词 图像校正 实例分割 车道线检测 数据增强 压线检测
下载PDF
LSTR算法的改进及在车道线检测中的应用 被引量:1
9
作者 张莹 张露露 +2 位作者 孙月 张东波 段万林 《小型微型计算机系统》 CSCD 北大核心 2024年第8期1863-1868,共6页
基于Transformer的车道预测LSTR(Lane Shape Prediction with Transformers)算法在检测车道线时存在缺少捕捉局部特征的能力和多头注意力机制中头数多余的问题.本文提出了改进LSTR算法的车道线检测方法,首先在最后一个编码器中前馈网络... 基于Transformer的车道预测LSTR(Lane Shape Prediction with Transformers)算法在检测车道线时存在缺少捕捉局部特征的能力和多头注意力机制中头数多余的问题.本文提出了改进LSTR算法的车道线检测方法,首先在最后一个编码器中前馈网络的后面引入CBAM(Convolutional Block Attention Module)注意力机制模块,充分利用通道和空间上的信息,捕捉特征图中更多的细节;然后对解码器中的掩码多头注意力机制进行剪枝,使用掩码单头注意力机制来进行替换,以便更多关注前一时刻的车道线信息.改进后的LSTR算法在TuSimple数据集上准确度为96.31%,明显高于PolyLaneNet(Lane Estimation via Deep Polynomial Regression)等算法,在CULane数据集上比原始算法的F1评分上升了2.11%. 展开更多
关键词 车道线检测 深度学习 LSTR算法 TRANSFORMER 注意力机制
下载PDF
LaneAr:基于编解码实例分割的车道线检测方法
10
作者 李杰 刘奕 +3 位作者 高尚兵 汪长春 胡序洋 李少凡 《淮阴工学院学报》 CAS 2022年第3期59-64,共6页
车道线检测在自动驾驶中有着重要的作用。在对道路图像进行检测时,一般的编解码网络在进行图像分割的精度不高。构建一种LaneAr编解码体系结构的车道线检测算法,在编码器部分采用深层的残差结构与不同尺度的空洞卷积结合扩大感知域,同... 车道线检测在自动驾驶中有着重要的作用。在对道路图像进行检测时,一般的编解码网络在进行图像分割的精度不高。构建一种LaneAr编解码体系结构的车道线检测算法,在编码器部分采用深层的残差结构与不同尺度的空洞卷积结合扩大感知域,同时利用批归一化BN(Batch Normalization)捕获到图像中的车道线语义信息,在获取到编码特征图时利用提出通道注意力机制增强语义特征提取效果,最后再通过多次上采样进行解码恢复到与输入图像相同的像素。实验表明,LaneAr模型在tusimple数据集进行车道线检测的实验其准确率能达到97.82%,同时对复杂场景下的道路环境的车道线检测效果也比较显著。该方法在进行车道线检测时的精度上优于现阶段的其他编解码方法。 展开更多
关键词 车道线检测 残差结构 图像分割 编码解码网络 通道注意力机制
下载PDF
融合CBAM注意力机制与可变形卷积的车道线检测
11
作者 胡丹丹 张忠婷 牛国臣 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第7期2150-2160,共11页
为满足自动驾驶及汽车高级驾驶辅助系统(ADAS)对车道线检测准确性和实时性的要求,提出一种融合卷积块注意力机制(CBAM)与可变形卷积网络(DCN)的车道线检测方法CADCN。在特征提取模块中嵌入CBAM注意力机制,增强有用特征并抑制无用特征响... 为满足自动驾驶及汽车高级驾驶辅助系统(ADAS)对车道线检测准确性和实时性的要求,提出一种融合卷积块注意力机制(CBAM)与可变形卷积网络(DCN)的车道线检测方法CADCN。在特征提取模块中嵌入CBAM注意力机制,增强有用特征并抑制无用特征响应;引入可变形卷积替换常规卷积,用带偏移的采样学习车道线的几何形变,提高卷积核的建模能力;基于行锚分类思想,对行方向上的位置进行选择和分类分析,预测车道线的位置信息,提高车道线检测模型的实时性。在车道线公开数据集上对所提CADCN方法进行训练及验证,在满足实时性的情况下,CADCN方法在TuSimple数据集上准确率达到96.63%,在CULane数据集上综合评估指标F1平均值达到74.4%,验证了所提方法的有效性。 展开更多
关键词 车道线检测 特征提取 注意力机制 可变形卷积网络 行锚分类
下载PDF
基于逆透视变换的车道线激光精准检测方法
12
作者 王芳 刘悦 王青正 《激光杂志》 CAS 北大核心 2024年第8期81-86,共6页
车道线检测作为智能汽车安全驾驶的主要研究方向,能够在汽车偏离车道时及时发出预警,有效缓解交通拥挤、安全问题,但常规方法易受光照强度、阴影等环境因素影响,限制其使用范围,且检测误差较大。为此,提出基于逆透视变换的车道线激光精... 车道线检测作为智能汽车安全驾驶的主要研究方向,能够在汽车偏离车道时及时发出预警,有效缓解交通拥挤、安全问题,但常规方法易受光照强度、阴影等环境因素影响,限制其使用范围,且检测误差较大。为此,提出基于逆透视变换的车道线激光精准检测方法。该方法选用RS-LiDAR-16激光雷达作为车道数据采集装置,借助逆透视变换、顶视图空间坐标系转换各激光点数据,利用最大类间与最小类间方差算法找出激光点反射强度最佳阈值,作为车道表面及车道线数据判断依据,通过二值化算得出车道线各点数据,凭借最小二乘拟合法将这些数据拟合成线,最终检测出车道线。实验结果表明,所提方法车道线检测精准度高,逆透视变换降低了环境对检测结果的干扰。 展开更多
关键词 逆透视变换 车道表面 车道线 反射强度 激光雷达
下载PDF
基于消失点引导透视变换的车道线检测算法
13
作者 姚善化 李士杰 王仲根 《安徽理工大学学报(自然科学版)》 CAS 2024年第4期11-19,共9页
目的为解决车道线的位置会随着车辆或相机的偏移发生变化而导致车道线检测准确率低和适应性差的问题,提出了一种基于消失点引导透视变换的车道线检测算法。方法首先,采用自适应消失点坐标引导更新透视变换矩阵,将车道图像转换为车道线... 目的为解决车道线的位置会随着车辆或相机的偏移发生变化而导致车道线检测准确率低和适应性差的问题,提出了一种基于消失点引导透视变换的车道线检测算法。方法首先,采用自适应消失点坐标引导更新透视变换矩阵,将车道图像转换为车道线保存完整的鸟瞰图;其次,将其颜色特征和边缘特征进行融合,得到精准的二值化图像;最后,根据直方图分析定位车道线的基点,采用滑动窗口搜索的方法提取候选的车道线像素,然后对搜索到的车道线像素进行多项式拟合。在不同的道路场景下测试算法的性能,并与其它同类算法进行对比分析。结果仿真结果表明,算法的准确率为94.12%,平均每帧耗时85.35ms,在检测精度和速度方面优于对比的算法。结论该算法能有效解决车道线位置的改变对车道线检测性能的影响,具有更高的准确率和较好的适应性,在阴影遮挡、车道破损、恶劣天气等复杂道路环境的检测下,表现出良好的鲁棒性。 展开更多
关键词 车道线检测 自适应消失点 透视变换 特征融合 滑动窗口搜索
下载PDF
适用于嵌入式系统的车道线检测算法
14
作者 骆东松 彭兆伟 何俊学 《计算机与数字工程》 2024年第10期3107-3111,共5页
提出使用基于车道线的ROI切割方法,合理去除图像无用部分,有效减少图像处理面积,为后续图像处理减轻计算量。为了提高算法效率,对图像进行了阈值分割,利用Hough变换进行车道线检测,提取图像有效信息。为了准确划分出ROI区域,采用基于车... 提出使用基于车道线的ROI切割方法,合理去除图像无用部分,有效减少图像处理面积,为后续图像处理减轻计算量。为了提高算法效率,对图像进行了阈值分割,利用Hough变换进行车道线检测,提取图像有效信息。为了准确划分出ROI区域,采用基于车道线的ROI划分方法,适用性强,可靠性高,为系统之后的处理减小图像面积,有利于提高系统的实时性。通过对实际道路图像的实验,显示出该方法在运行时间和检测正确率方面明显优于传统滤波方法,尤其适用于嵌入式系统。 展开更多
关键词 阈值分割 ROI切割 车道线 嵌入式系统
下载PDF
激光点云特征与知识规则协同的车道线提取
15
作者 刘德儿 李雨晴 《激光与红外》 CAS CSCD 北大核心 2024年第7期1069-1075,共7页
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... 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。 展开更多
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
下载PDF
基于注意力机制与线锚信息传递的车道线检测
16
作者 姜俊昭 彭彬 +1 位作者 杨文豪 徐业凯 《汽车工程学报》 2024年第5期812-820,共9页
车道线检测是自动驾驶领域的关键技术,目前仍面临较多挑战。车道线监督信号的稀疏性以及复杂场景下的遮挡、阴影等因素会影响检测的准确率与实时性。基于此,提出了一种融合CBAM注意力机制与线锚特征聚合模块的车道线检测模型,提出的算法... 车道线检测是自动驾驶领域的关键技术,目前仍面临较多挑战。车道线监督信号的稀疏性以及复杂场景下的遮挡、阴影等因素会影响检测的准确率与实时性。基于此,提出了一种融合CBAM注意力机制与线锚特征聚合模块的车道线检测模型,提出的算法在Tusimple和CULane数据集分别达到96.19%的准确率和76.24%的综合F1得分,通过实车测试表明,该算法检测帧率为67 fps,可以在复杂交通场景下进行实时检测,较好地解决了车道线遮挡问题。 展开更多
关键词 车道线检测 线锚 注意力机制 信息传递
下载PDF
基于Edline线特征的既有道路中公交专用车道划分方法
17
作者 谢惠静 《自动化技术与应用》 2022年第3期118-122,共5页
由于现阶段已有车道规划方法未能考虑特征分布不均匀问题,影响点特征的提取,导致车道半径提取精度以及公交交通效率较低。为了有效解决上述问题,提出一种基于Edline线特征的既有道路中公交专用车道划分方法。针对既有道路图像进行平滑处... 由于现阶段已有车道规划方法未能考虑特征分布不均匀问题,影响点特征的提取,导致车道半径提取精度以及公交交通效率较低。为了有效解决上述问题,提出一种基于Edline线特征的既有道路中公交专用车道划分方法。针对既有道路图像进行平滑处理,通过边缘检测算法进行边缘绘制,形成像素链,通过最小二乘线拟合方法提取基于Edline线特征的车道动态半径。利用道路区域的连通性以及区域方法获取路面区域,从而有效实现既有道路中公交专用车道划分。仿真实验结果表明,所提方法能够有效提升车道半径提取精度以及公交交通效率。 展开更多
关键词 Edline线特征 既有道路 公交专用车道划分 特征提取
下载PDF
基于YOLOP-L的多特征融合道路全景驾驶检测 被引量:1
18
作者 吕嘉璐 周力 巨永锋 《计算机科学》 CSCD 北大核心 2024年第S01期433-440,共8页
目前,驾驶员视角下的交通图像检测技术成为交通领域的重要研究方向,同时提取车辆、道路、交通标志等多种特征已经成为驾驶员理解道路信息多样性的亟需任务。以往研究已在单类目标检测的特征提取方面取得了长足进步,然而,这些研究不能很... 目前,驾驶员视角下的交通图像检测技术成为交通领域的重要研究方向,同时提取车辆、道路、交通标志等多种特征已经成为驾驶员理解道路信息多样性的亟需任务。以往研究已在单类目标检测的特征提取方面取得了长足进步,然而,这些研究不能很好地联合应用于其他区别较大的特征检测任务中,且融合训练过程中会损失个别特征检测的精度。针对驾驶员视野范围内道路信息多样且复杂的特点,本文提出了一种基于多特征融合训练的检测模型YOLOP-L,它能够同时对多种不同特征交通目标进行融合训练,同时保证单项检测任务的精度。首先,为了解决特征融合中语义信息表达不完整的问题,设计的SP-LNet模块通过FPN与双向特征网络结合实现网络更深层次的融合,使得提取的信息更完整,从而提升道路小目标的检测性能;其次,设计新的分割头深度可分离卷积,将语义信息与局部特征融合促使多特征融合的训练准确度与速度得到进一步提升;再次,体系中设计的GDL-Focal多类混合损失函数更专注于困难样本,可用于解决样本特征不平衡的问题。最后,对比实验表明:YOLOP-L相比原YOLOP网络运行的速度更快;在车辆目标检测任务下召回率提升了2.2%;在车道线检测任务下准确率提升2.8%,车道线IoU的值较HybridNets网络下降2.45%,但较YOLOP-L网络提升1.95%;在可行驶区域分割任务下其整体检测性能提升1.1%。结果表明,在具有挑战性的BDD100K数据集上,YOLOP-L可以在复杂场景下有效解决检测精度不足和分割缺失的问题,提高了车辆识别、车道线检测以及道路行驶区域联合训练的准确性和鲁棒性。 展开更多
关键词 全景驾驶 多特征融合 车辆检测 可行驶区域检测 车道线检测 双向特征金字塔
下载PDF
一种基于深度学习的车道线识别方法 被引量:1
19
作者 史炎锦 金文智 +3 位作者 李勇 赵子豪 高琪 樊星男 《内燃机与配件》 2024年第3期28-31,共4页
基于深度学习和语义分割的车道线识别方法能够对车道线图片进行端到端的识别,能够适应复杂多变的车道环境。本文设计了一种基于深度学习和语义分割的车道线识别模型,该模型以Segnet为基础,由编码器和解码器两部分组成。编码器采用4级下... 基于深度学习和语义分割的车道线识别方法能够对车道线图片进行端到端的识别,能够适应复杂多变的车道环境。本文设计了一种基于深度学习和语义分割的车道线识别模型,该模型以Segnet为基础,由编码器和解码器两部分组成。编码器采用4级下采样结构,主要由卷积层和最大池化层组成,并将PRelu函数作为卷积层的激活函数,该函数能有效提高网络的拟合能力,并降低过拟合分险;解码器采用4级上采样结构,主要由上采样层、卷积层和批标准化层组成。为解决车道线图片中车道线和背景像素点数量严重不平衡的问题,使用加权交叉熵函数计算网络的损失值,并用MFB算法确定权值。最后,在tuSimple数据集上进行了验证,在大量实验的基础上,通过对交叉熵函数权值进行修正,获得了良好的识别效果和较高的鲁棒性。 展开更多
关键词 车道线识别 语义分割 深度学习 卷积网络
下载PDF
融合多尺度特征的残差车道线检测网络
20
作者 蒋源 张欢 +2 位作者 朱高峰 朱凤华 熊刚 《测绘通报》 CSCD 北大核心 2024年第10期71-76,共6页
针对车道线分布范围广、占像素少、特征不易提取的问题,本文构建了一种基于多尺度特征融合的残差车道线检测网络。首先,以残差双边网络为基础,采用双边特征聚合模块,利用语义分支的上下文信息指导同一阶段的细节分支的特征响应,并融合... 针对车道线分布范围广、占像素少、特征不易提取的问题,本文构建了一种基于多尺度特征融合的残差车道线检测网络。首先,以残差双边网络为基础,采用双边特征聚合模块,利用语义分支的上下文信息指导同一阶段的细节分支的特征响应,并融合两分支的信息;然后,针对不同阶段具有不同尺度,使用多尺度自适应特征对齐融合模块,构建采样前后偏移向量索引表,降低因简单采样而造成的细节信息缺失;最后,引入空间注意力机制,增强模型的长距离特征捕捉能力。试验结果表明,本文模型在3个公开数据集上均取得了良好效果,其中在CULane数据集上的准确度达77.89%,比目前主流算法高2%。 展开更多
关键词 车道线检测 双边分割网络 多尺度 注意力机制 端到端
下载PDF
上一页 1 2 17 下一页 到第
使用帮助 返回顶部