期刊专题

10.3778/j.issn.1002-8331.2212-0283

复杂场景中的快速车道线检测方法

引用
车道线检测是实现无人驾驶系统的一项重要任务.针对当前基于分割的检测方法实时性能不足的问题,提出了一种快速车道线检测方法FracLane.设计一种高效的特征提取模块,通过分形的思想构造基于聚合不同大小感受野的分形残差结构,更准确地提取车道特征.结合龙格-库塔法,使用可训练参数对分形残差结构的输出进行加权融合,构造能进一步提升网络性能的分形残差模块(FracRes).在特征解码阶段引入一种基于行锚检测方法的车道位置预测模块(LPP),极大提高网络的检测速度.在包含多种交通场景的车道检测数据集TuSimple和CULane上进行的大量实验,结果表明,该方法在两个数据集上最高可获得97.26%的准确率和78.1的F1评分,在800×288的分辨率下,最高可获得206 FPS的推理速度.与现有检测方法相比,该方法在检测精度与速度方面都有明显提高,达到实时检测任务的需求.

车道线检测、行锚、分形残差、龙格-库塔、卷积神经网络

59

TP391.4(计算技术、计算机技术)

国家自然科学基金11461037

2023-07-18(万方平台首次上网日期,不代表论文的发表时间)

共8页

178-185

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

59

2023,59(13)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn