10.3778/j.issn.1002-8331.2204-0330
融合改进GAN网络的夜视环境车道线检测
基于深度学习的车道线检测方法有效地促进了自动驾驶技术的发展,然而这些方法在处理夜视场景下车道线检测问题仍然存在一定的不足.针对夜视场景下车道线检测存在的检测精度弱问题,将基于注意力机制的生成对抗网络(attentive GAN)和空间卷积神经网络(spatial convolutional neural network,SCNN)算法相结合,提出一种针对夜视场景的车道线检测方法.该方法利用Attentive GAN网络提高夜间道路图像质量,突出道路图像中的车道线特征,再利用ResNet-18网络提取车道线特征,随后利用SCNN网络进行图像信息的逐行逐列传递,并利用三次样条曲线进行概率图拟合,得到最终的车道线检测结果.在利用模拟后的TuSimple数据集验证了方法的检测性能,实验结果表明,提出的车道线检测方法在夜视场景下具有良好的车道线检测性能.
夜间车道线检测、注意力机制的生成对抗网络(Attentive GAN)、ResNet-18网络、空间卷积神经网络(SCNN)
59
TP391(计算技术、计算机技术)
国家自然科学基金;河南省科技攻关项目;河南省科技攻关项目;河南省科技攻关项目
2023-08-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
214-222