基于深度学习的自适应场景路面提取方法

摘要：

为满足无人驾驶车辆对越野环境的适应能力,提高无人驾驶车辆对环境的理解能力,必须对环境感知层面提出更高的要求.而环境感知中最为关键的一点就是车道线提取或者路面提取.与城市环境下的结构化道路相比,越野环境下的路面提取更加复杂.综合对多种越野场景展开研究,提出了一种能够自适应场景变化的路面分割方法.文中在越野环境下采集了大量的数据,并且制作了相应的数据集;应用深度学习技术对这些场景进行识别;应用语义分割算法对不同场景下的路面进行分割;最后统一了整个算法模块,给出测试结果.

关键词：越野场景、深度学习、场景识别、图像语义分割

所属期刊栏目：39

分类号：TP242.6(自动化技术及设备)

资助基金：国家自然科学基金资助项目91420203

在线出版日期：2019-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1133-1137