基于全卷积网络及K-means聚类算法的车道线检测的研究

• 作者: 蒋紫韵 曹元元
• 来源期刊: 电子世界
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 探索与观察
• 页码范围: 101-103
• 页数: 3页
• 语种: 中文

摘要

车道线的检测是自动或智能辅助驾驶的核心问题之一.目前,在复杂场景下对车道线检测存在精度不高、准确性差等问题,本文提出一种基于全卷积网络及K-means聚类的分割算法,旨在解决复杂环境下车道线检测存在的问题.本文的方法通过进行大量数据的训练来获取的全卷积神经网络模型,利用模型可以准确检测到车道线,从而减少交通事故的发生.本文算法主要包括以下步骤:首先,使用图像预处理,采用二值化、直方图均衡化、中值滤波等预处理方法来获取图像的细节信息;然后,对预处理后获取的图像进行K-means聚类算法获取图像的感兴趣区域;最后,利用全卷积神经网络训练模型,检测出复杂场景下的车道线.实验证明本文算法的鲁棒性和准确性较高.