基于改进Enet网络的车道线检测算法

摘要：

针对实际驾驶环境中道路场景及车道线复杂多样的问题,提出一种基于改进Enet网络的车道线检测算法.首先,对Enet网络进行剪枝和卷积优化操作,并利用改进的Enet网络对车道线进行像素级图像语义分割,将车道线从图像中分离出来.然后,采用DBSCAN算法对分割结果进行聚类处理,将相邻车道线区分开来.最后,对车道线聚类结果进行自适应拟合,得到最终的车道线检测结果.该算法在香港中文大学的CULane数据集上进行了训练和测试,结果表明,其标准路面检测准确率达到96.3％,各种路面综合检测准确率为78.9％,图像帧处理速度为71.4fps,能够满足实际驾驶环境中的复杂路况和实时性需求.此外,该算法还在图森未来的TuSimple数据集和实采数据集LD-Data上进行了训练和测试,均取得了实时性的检测结果.

关键词：车道线检测、图像语义分割、聚类、自适应拟合

所属期刊栏目：47

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;北京市属高校高水平教师队伍建设支持计划项目;北京市自然科学基金;北京联合大学领军人才项目;北京市教委项目;国家科技支撑计划项目;智能驾驶大数据协同创新中心

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：142-149