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:
车道线识别方法的突破对于无人驾驶汽车的研究具有重大意义,文章分析了基于深度学习的两种车道线检测算法,利用了视觉传感器图像处理技术对车道线进行了识别,研究了语义分割的算法.视觉图像处理则分别用目标检测算法和语义分割算法对车道线进行了识别,对两种算法做出了分析比较.研究结果表明:基于深度学习的语义分割网络具有更好的车道线识别能力;能得到较为可靠的车道线边界信息.文章的车道线识别方法可以为无人驾驶汽车提供较为可靠的车道线数据信息.
推荐文章
利用惯性传感器和AdaBoost算法的步态识别方法
步态识别
惯性传感器
AdaBoost算法
尺度空间计数
定位补偿匹配算法
一种阴影及破损车道线识别方法研究
对称局部阈值分割
RANSAC算法
阴影遮挡
破损
车道线识别
基于多压电薄膜传感器的睡姿识别方法研究
睡姿识别
睡眠监测
床垫设计
心冲击信号采集
时域分析
特征向量优化
对比验证
基于计算机视觉的车道线检测与识别
计算机视觉
车道线
检测
识别
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 利用视觉传感器图像处理技术实现前方车道线识别方法研究
来源期刊 汽车实用技术 学科
关键词 图像处理 无人驾驶 深度学习 语义分割
年,卷(期) 2021,(6) 所属期刊栏目 智能网联汽车|Intelligent Connected Vehicle
研究方向 页码范围 29-34
页数 6页 分类号 U463.5
字数 语种 中文
DOI 10.16638/j.cnki.1671-7988.2021.06.010
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (471)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(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
图像处理
无人驾驶
深度学习
语义分割
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
汽车实用技术
半月刊
1671-7988
61-1394/TH
大16开
西安市未央区凤城七路赛高广场1008室
1976
chi
出版文献量(篇)
13181
总下载数(次)
93
论文1v1指导