一种基于FCN的车道线检测算法

• 作者: 戴舒 汪慧兰 洪名佳 黄娜君
• 来源期刊: 无线电通信技术
• 学科: 工学
• 关键词: 车道线检测 全卷积神经网络 卷积 池化 反卷积 条件随机场 空间一致性
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 工程实践及应用技术
• 页码范围: 587-592
• 页数: 6页
• 分类号: TP391.41
• 字数: 4546字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3114.2018.06.12

摘要

传统的车道线检测算法只能实现较为理想的直道情况,当应对如弯道、车道线模糊、阴影遮挡以及光线昏暗等复杂环境时,就表现得束手无策.为了解决这些问题,提出基于全卷积神经网络(Fully Convolutional Neural Net-work,FCN)的车道线检测算法.首先通过实车摄像头采集车道线,将车道线图像输入到全卷积神经网络进行处理,主要包括卷积、池化及反卷积等.然后经过条件随机场(Conditional Random Field,CRF)处理,得到更加精细,并具有与原始图像空间一致性的结果.最后,在大量的车道线数据集基础上,从车道线检测的质量和检测时间2方面对FCN算法的优越性进行验证.仿真结果表明,基于全卷积神经网络的车道线检测算法在检测精度、识别率和识别速度上有很明显的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪慧兰	安徽师范大学物理与电子信息学院	18	112	7.0	10.0
2	戴舒	安徽师范大学物理与电子信息学院	3	7	1.0	2.0
3	洪名佳	安徽师范大学物理与电子信息学院	1	6	1.0	1.0
4	黄娜君	安徽师范大学物理与电子信息学院	1	6	1.0	1.0