基于高密度激光点云和深度学习的高速公路标线识别
道路标线的自动识别是智慧城市建设中急需解决的重要难题,也是绘制高精地图及无人驾驶所需的核心技术.提出一种激光雷达数据环境下高速公路常见标线自动识别方法:基于端到端PointNet语义分割功能自动提取道路标线点云;采用体素降采样及半径式离群点剔除去除路面噪点;应用DGCNN自动区分典型交通标线(实线、长虚线、短虚线、箭头、导流带),实现道路标线识别.应用京承高速公路某段激光雷达数据测试验证.结果表明:道路标线分类准确率达到94.73%,F1达到74.18%,AUC达到0.98.证明了解决道路标线识别方法的可行性,为智能驾驶环境下道路标线的自动感知和识别提供了一种新的思路.
道路标线分类、PointNet、语义分割、点云去噪、DGCNN、点云分类
67
U495:U491.523(交通工程与公路运输技术管理)
国家自然科学基金41801380
2022-07-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
247-253