面向园区场景的车道线局部定位检测方法研究

摘要：

面向校园驾驶场景,提出一种综合性能表现较好的通用车道线检测算法,即局部定位检测法.首先,采用经典图形学与基于噪声容忍的递归神经网络的学习模型相结合的方法,完成车道线所在局部区域的检测,对目标车道线的灰度图像进行霍夫变换和灰度拉伸,设计递归神经网络学习模型,以梯度数据作为引导,对算法模型训练学习,以排除梯度信息相似的干扰物,并识别几何属性相关的不完整车道线形态,进而完成补全工作,应用稀疏惩罚,设计具有噪声容忍的递归学习模型,最大效率地利用具有被污染数据标注的自建车道线图像数据集,以此为基础,采用深度强化学习方法,通过6个标识点对目标车道线进行精确定位,并基于6个准确的定位点,检测和绘制车道线.

关键词：车道线检测、递归神经网络、深度强化学习、自动驾驶

所属期刊栏目：39

分类号：U471.15

资助基金：安徽省高校自然科学研究重点项目;合肥学院科学研究发展基金项目;国家级大学生创新创业训练计划项目;安徽省大学生创新创业训练项目

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：19-25