基于深度学习的摩托车车道实时检测
摩托车驾驶相比于其他驾驶方式更加危险,但缺乏有效的辅助驾驶系统,例如车道辅助保持系统、障碍物检测、预碰撞系统等,而判定摩托车在行驶中是否发生了偏离往往需要参照车辆行驶时车道线的位置,因此车道线检测对于辅助驾驶系统来说至关重要,因此文中提出了基于深度学习的摩托车车道实时检测算法.在Lanenet 架构的基础下做出了以下3 点改进:将车道坐标的绝对位置作为输入特征、使用K-means 算法代替Mean-Shift 聚类算法以及去除Hnet 结构.由于目前缺乏公开的摩托车车道数据集,因此将使用采集的摩托车车道数据对模型进行拟合,拟合的结果证明了该算法的有效性,检测速度可达47.6fps,交并比可达0.715 60,相比文献[3]中的算法在精度上提高了15.5%,在速度上提高了53.3%.
摩托车驾驶、车道检测、Lanenet、实时检测、深度学习
50
TP183(自动化基础理论)
2023-09-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
450-454