基于卷积神经网络的车道线语义分割算法

• 作者: 吴训成 张伟伟 徐国晟 苏金亚 郭增高
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 语义分割 车道线特征 卷积神经网络 结构化道路 网络模型
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 89-94
• 页数: 6页
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.13382/j.jemi.2018.07.013

摘要

针对车道线检测环境复杂,光照变化复杂等特点,提出了一种新型车道线检测方法.首先运用可变形卷积神经网络提取特征,然后通过对白天、夜晚、雨天等复杂光照条件下的KITTI道路数据集进行联合训练,端到端获取车道线上下文信息.建立结构化道路车道线网络模型,进而对车道线进行图像语义分割,并判断车道线类型.该模型预测车道线像素所属的场景语义类别,实现车道线实时检测.实验结果表明,该方法具有较好的准确性和实时性,在多场景结构化道路上的车道线识别率可达96.83％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴训成		54	258	9.0	13.0
2	徐国晟		1	0	0.0	0.0
3	张伟伟		7	10	2.0	3.0
4	苏金亚		1	0	0.0	0.0
5	郭增高		1	0	0.0	0.0