【摘要】：隨著人工智能技術(shù)的發(fā)展,無人駕駛、自動(dòng)駕駛以及先進(jìn)駕駛輔助系統(tǒng)都成為當(dāng)前的研究熱點(diǎn),而車道線檢測(cè)任務(wù)則是其中重要的一環(huán)。在實(shí)際應(yīng)用場(chǎng)景中下,由于天氣變化、光照變化以及不同的地形、路況等原因,車道線的高精度檢測(cè)非常具有挑戰(zhàn)性。通常車道線檢測(cè)算法需要在車載端運(yùn)行,因此該算法不僅對(duì)準(zhǔn)確性有一定要求,也需要保證實(shí)時(shí)性。為此,本文圍繞車道線檢測(cè)技術(shù)展開研究,采用卷積神經(jīng)網(wǎng)絡(luò)等技術(shù),提出了一種新的車道線檢測(cè)算法FastLane,它可以檢測(cè)不固定數(shù)量的車道線,并能同時(shí)保證準(zhǔn)確性和實(shí)時(shí)性。論文的主要工作如下:1)針對(duì)車道線隨距離增加而導(dǎo)致檢測(cè)準(zhǔn)確率降低的問題,本文采取了逆透視變換的預(yù)處理方法,將圖片逆透視變換至俯視圖,從而可以用語義分割加上簡單的后處理代替費(fèi)時(shí)的實(shí)例分割或者聚類實(shí)例化方法,提高算法速度。2)針對(duì)車道線在俯視圖上的幾何特性,本文設(shè)計(jì)了一種多尺度、實(shí)時(shí)的二分類語義分割網(wǎng)絡(luò)結(jié)構(gòu)。該模型采用空洞卷積與多尺度特征融合,在多尺度語義特征的指導(dǎo)下結(jié)合底層特征得到精確分割結(jié)果。同時(shí)對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了優(yōu)化,提高運(yùn)行速度。3)結(jié)合前面的逆透視變換和語義分割,本文提出了一種車道線檢測(cè)算法FastLane。FastLane算法首先通過自學(xué)習(xí)逆透視變換,再利用二值語義分割網(wǎng)絡(luò)分割圖像,最后通過后處理得到車道線方程。論文在實(shí)際路況數(shù)據(jù)集和開源數(shù)據(jù)集TuSimple上對(duì)于FastLane算法進(jìn)行了充分的實(shí)驗(yàn)與分析,驗(yàn)證了算法的有效性。與其他車道線檢測(cè)方法對(duì)比,FastLane算法不僅可以做到實(shí)時(shí)的車道線檢測(cè),而且能夠檢測(cè)任意數(shù)量的車輛線,在交通應(yīng)用場(chǎng)景中具有實(shí)際意義。
【圖文】：

圖２－１邋Ｍ－Ｐ神經(jīng)元模型逡逑如圖２－１所示，Ｍ－Ｐ神經(jīng)元模型中，yL經(jīng)元接收來自ｎ個(gè)其他yL經(jīng)元傳遞逡逑

多層前饋神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP183;TP391.41;U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉雁斌;;基于結(jié)構(gòu)化道路的車道線檢測(cè)研究[J];交通科技;2019年04期

2 駱濟(jì)煥;蘭鳳崇;陳吉清;;聯(lián)合圖像處理和目標(biāo)約束的車道線檢測(cè)方法[J];汽車工程學(xué)報(bào);2019年01期

3 趙偉康;黎向鋒;畢高杰;謝昌剛;李X;楊振泰;;一種基于橫截面特征的車道線檢測(cè)方法[J];機(jī)械制造與自動(dòng)化;2019年03期

4 姜立標(biāo);臺(tái)U_龍;;基于實(shí)例分割方法的復(fù)雜場(chǎng)景下車道線檢測(cè)[J];機(jī)械設(shè)計(jì)與制造工程;2019年05期

5 李福俊;顧敏明;;車道線實(shí)時(shí)檢測(cè)與偏離預(yù)警系統(tǒng)設(shè)計(jì)與研究[J];光電子·激光;2018年03期

6 方睿;;基于視覺的車道線檢測(cè)技術(shù)綜述[J];內(nèi)江科技;2018年07期

7 王爽;;車道線檢測(cè)專利技術(shù)綜述[J];中國新通信;2017年24期

8 朱亞萍;李永強(qiáng);;基于視覺的縮微車車道線檢測(cè)[J];杭州電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年01期

9 孫家闊;劉揚(yáng);;基于城市實(shí)景影像的車道線檢測(cè)方法研究[J];城市勘測(cè);2017年03期

10 蔡渤;;低光照環(huán)境中車道線檢測(cè)方法[J];襄陽職業(yè)技術(shù)學(xué)院學(xué)報(bào);2017年03期

相關(guān)會(huì)議論文 前10條

1 胡坤福;范曉娟;段海艷;賓洋;羅文廣;朱書善;;基于自適應(yīng)感興趣區(qū)域的車道線識(shí)別技術(shù)[A];第36屆中國控制會(huì)議論文集（G）[C];2017年

2 王月;楊航;曹愷;江源遠(yuǎn);何聰;;基于結(jié)構(gòu)化道路的車道線擬合方法[A];2018中國汽車工程學(xué)會(huì)年會(huì)論文集[C];2018年

3 佟洋;毛須偉;張茂楨;徐熙平;;一種基于圖像處理的車道線識(shí)別方法[A];國防光電子論壇第二屆新型探測(cè)技術(shù)及其應(yīng)用研討會(huì)論文集[C];2015年

4 楊廣林;苗冬霜;;結(jié)構(gòu)化道路車道線檢測(cè)與跟蹤算法[A];2005年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

5 畢雁冰;;提高車道線識(shí)別精度的一種方法[A];第三屆中國CAE工程分析技術(shù)年會(huì)論文集[C];2007年

6 鄭欣蕊;王云鵬;余貴珍;徐永正;;基于圖像連通區(qū)域特征的低空航拍圖車道線識(shí)別算法[A];第八屆中國智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

7 劉曉龍;鄧志東;;基于全局與局部模型相互制約及具有模型不確定性評(píng)估的車道線檢測(cè)方法[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

8 張潔穎;王生進(jìn);丁曉青;;基于車輛軌跡的車道線檢測(cè)與劃分[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

9 徐西海;;分段搜索彎道車道線識(shí)別算法研究[A];西南汽車信息：2016年第4期（總第361期）[C];2016年

10 余貴珍;李芹;王迪;;車輛智能化車道線跟蹤方法研究[A];第八屆中國智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

相關(guān)重要報(bào)紙文章 前6條

1 記者 王大波　趙宏光;牛家鎮(zhèn)種糧農(nóng)民增產(chǎn)不增收[N];哈爾濱日?qǐng)?bào);2008年

2 記者 韓麗梅;齊心協(xié)力打一場(chǎng)環(huán)衛(wèi)攻堅(jiān)戰(zhàn)[N];佳木斯日?qǐng)?bào);2010年

3 本報(bào)記者 李宏策;全自動(dòng)駕駛夢(mèng)何日實(shí)現(xiàn)[N];科技日?qǐng)?bào);2019年

4 本報(bào)記者 何曉亮;自動(dòng)駕駛汽車：出事算誰的？[N];科技日?qǐng)?bào);2012年

5 饒洪斌;市區(qū)開展停車秩序?qū)ｍ?xiàng)整治[N];咸寧日?qǐng)?bào);2007年

6 本報(bào)記者 韋銘　張璐 本報(bào)通訊員 張輝;這些新技術(shù)與生活息息相關(guān)[N];南京日?qǐng)?bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 于泳;應(yīng)用于智能車的車道信息感知及增量建模技術(shù)研究[D];吉林大學(xué);2018年

2 穆柯楠;基于車—路視覺協(xié)同的行車環(huán)境感知方法研究[D];長安大學(xué);2016年

3 王俊;無人駕駛車輛環(huán)境感知系統(tǒng)關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2016年

4 沈\，

本文編號(hào)：2580548