一种基于卷积神经网络的快速车道检测算法

车道线检测在辅助驾驶和自动驾驶中有着非常重要的作用和意义,它是保证辅助驾驶和自动驾驶行车安全的重要前提条件。目前,由于卷积神经网络(CNN)具备权值共享的特点,因此减少了训练参数,CNN可以自动学习并提取特征,在图像分割和识别等领域被广泛应用。该文利用车道检测的特点,将经典的CNN中的对称卷积核改进为非对称卷积核(AK-CNN)结构,进一步减少了CNN网络的计算量,使车道检测的速度得以进一步提高。