基于扩张卷积金字塔网络的车道线检测算法

• 作者: 张剑锋 张裕天 田晟 许凯
• 来源期刊: 西南交通大学学报
• 学科: 工学
• 关键词: 深度学习 计算机视觉 车道线检测
• 年，卷（期）: 2020,（2）
• 页码范围: 386-392,416
• 页数: 8页
• 分类号: TN911.73
• 字数: 4364字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-2724.20181026

摘要

为满足汽车高级驾驶辅助系统对车道线检测准确性和时效性的要求,采用改进的ResNet50网络作为基础模型提取局部车道线特征,利用扩张卷积能指数级扩大感受野的特点,设计了扩张卷积金字塔模块,用以完整提取不同尺度的车道线特征,提出"锚点栅格"的思想,将输出划分为一组栅格,对每个栅格进行分类和回归分析,经过非极大值抑制等后处理,最终输出车道线标记点集.结果表明:在CULane多场景数据集里对模型进行测试,在交并比阈值取为0.3的评估条件下其综合评估指标F-measure达到78.6％,检测速率达到40帧/s,在评估指标相近的情况下具有远高于空间卷积神经网络(spatial convolutional neural networks,SCNN)模型的检测速率,并在眩光、弯道等困难场景中的检测效果优于SCNN.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田晟	华南理工大学土木与交通学院	56	175	7.0	9.0
2	许凯	华南理工大学土木与交通学院	11	12	2.0	3.0
3	张剑锋	华南理工大学土木与交通学院	3	5	2.0	2.0
4	张裕天	华南理工大学土木与交通学院	3	5	2.0	2.0