基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于改进Hough变换的车道线检测技术
车道线检测
Hough变换
图像分类
感兴趣区域
基于高斯拟合的自适应多阈值分割算法
图像分割
邻域平均
高斯拟合
参数估计
基于视觉的缩微车车道线检测
数学形态学
阈值分割
最小二乘法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于实例分割和自适应透视变换算法的多车道线检测
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) 所属期刊栏目
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (4)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
车道线
深度学习
实例分割
自适应透视变换
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
东南大学学报(自然科学版)
双月刊
1001-0505
32-1178/N
大16开
南京四牌楼2号
28-15
1955
chi
出版文献量(篇)
5216
总下载数(次)
12
总被引数(次)
71314
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导