基于改进FCN的车道线检测研究

• 作者: 杨莹 何志琴
• 来源期刊: 微处理机
• 学科: 工学
• 关键词: 无人驾驶 深度学习 图像分割 FCN模型
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 微机软件|Computer Software
• 页码范围: 30-33
• 页数: 4页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1002-2279.2022.01.008

摘要

为提高车道线检测的准确性以增强无人驾驶车辆的安全驾驶性能,在传统车道线检测的边缘提取、霍夫变换、颜色空间阈值提取、透视变换等方法的基础上,利用深度学习技术,提出一种基于改进FCN的车道线检测网络模型.该模型能够准确提取出车道线的特征信息,并在车道线检测数据集上进行模型训练,以评估该车道线检测网络的性能.通过实验对比,结果表明改进FCN模型在检测精度上比传统FCN网络模型提高了1％,具有良好的分割有效性.