基于实例分割和自适应透视变换算法的多车道线检测

• 作者: 孙晓强 张田田 李祎承 王海 蔡英凤 陈龙
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 车道线 深度学习 实例分割 自适应透视变换
• 年，卷（期）: 2020,（4）
• 页码范围: 775-781
• 页数: 7页
• 分类号: U142.6
• 字数: 4823字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2020.04.023

摘要

为了解决传统的车道线检测算法对光照变化、阴影遮挡等环境干扰较为敏感而导致鲁棒性不足的问题,提出了一种基于实例分割和自适应透视变换算法的多车道线检测方法.该算法首先通过设计的多分支实例分割网络实现多车道线分割,该多分支实例分割网络包括车道线语义分割分支和车道线Id分支;再应用自适应透视变换模型获得鸟瞰图视角下的实例分割后的车道线像素点集合;最后利用最小二乘法二阶多项式完成车道线像素点的拟合.基于Culane车道线数据集进行训练及验证,验证表明,每帧图片检测用时约28 ms,车道线检测准确率达91.4％.将车道线检测模型集成到实车ROS平台进行测试,测试表明,所提算法能够实现各类复杂交通场景下的多车道线实时检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈龙	江苏大学汽车与交通工程学院	368	3236	25.0	34.0
2	蔡英凤	江苏大学汽车与交通工程学院	56	247	9.0	14.0
3	王海	江苏大学汽车工程研究院	38	221	9.0	13.0
4	孙晓强	江苏大学汽车与交通工程学院	36	228	10.0	14.0
5	李祎承	江苏大学汽车与交通工程学院	4	0	0.0	0.0
6	张田田	江苏大学汽车与交通工程学院	2	0	0.0	0.0