收藏本站
《上海师范大学》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的车道线检测与识别

余万里  
【摘要】:行驶车辆的自动驾驶任务能够有效解决交通之类的问题,是当下非常热门且十分重要的研究课题,车道线检测与识别是其中关键技术之一。使用深度学习技术代替传统图像处理技术,实现具有高识别率、强鲁棒性以及高时效性的车道线检测与识别模型。研究内容和方法概述如下:(1)研究当前主流的车道线识别模型,其中包括基于传统图像处理模型和深度学习模型,介绍了其实现步骤,并给出了模型结构的图示。(2)为了更好的抽取车道线特征信息,针对车道线检测与识别任务,提出ARB神经网络模块。(3)研究Deeplab v3+网络结构,在此基础上嵌入ARB模块,并设计端到端车道线检测与识别网络。(4)使用F-Measue值评估车道线的识别效果,并与其他深度学习模型进行对比。(5)结合聚类和帧间关联技术,提出车道线位置快速标定算法,实现车道线位置的快速标定。(6)从ARB模块的不同组合结构、窗口滑动效率以及聚类效率三个核心部分,分析整个系统的时效性。实验结果表明,在光照强烈、光照昏暗、阴影遮挡、交通拥挤道路、道路破损、车道线缺失、曲线车道线以及正常道路多种道路环境中,设计的ARB网络模块能够有效提取其中车道线特征信息,在CULane公开数据集上实验,计算FMeasure值达到0.9731,相比于其他深度学习模型提升2%~5%,提出的车道线位置标定算法,将车道线定位效率控制在40毫秒/帧以内,相比于暴力搜索提升近20毫秒/帧。提出的ARB网络模块突破传统单一方向上的卷积,从特征图的不同维度上卷积并合并,对车道线这种特殊结构具备更好的特征提取效果。ARB网络模块的实验效果表明,对于具有特殊结构的识别目标,可以改变卷积方式,从多个维度分析目标特征信息,通过对比试验可以进一步精简优化冗余维度,此种具有针对性的网络设计结构,能够更加全面且高效的表达出目标的特征信息。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前15条
1 刘雁斌;;基于结构化道路的车道线检测研究[J];交通科技;2019年04期
2 骆济焕;兰凤崇;陈吉清;;联合图像处理和目标约束的车道线检测方法[J];汽车工程学报;2019年01期
3 赵伟康;黎向锋;毕高杰;谢昌刚;李堃;杨振泰;;一种基于横截面特征的车道线检测方法[J];机械制造与自动化;2019年03期
4 姜立标;台啟龙;;基于实例分割方法的复杂场景下车道线检测[J];机械设计与制造工程;2019年05期
5 李福俊;顾敏明;;车道线实时检测与偏离预警系统设计与研究[J];光电子·激光;2018年03期
6 方睿;;基于视觉的车道线检测技术综述[J];内江科技;2018年07期
7 王爽;;车道线检测专利技术综述[J];中国新通信;2017年24期
8 朱亚萍;李永强;;基于视觉的缩微车车道线检测[J];杭州电子科技大学学报(自然科学版);2017年01期
9 孙家阔;刘扬;;基于城市实景影像的车道线检测方法研究[J];城市勘测;2017年03期
10 蔡渤;;低光照环境中车道线检测方法[J];襄阳职业技术学院学报;2017年03期
11 隋靓;党建武;王阳萍;;基于分段切换模型的快速车道线检测[J];计算机应用与软件;2017年08期
12 程文冬;沈云波;魏庆媛;;面向复杂道路环境的车道线快速检测方法[J];机械设计与制造;2017年11期
13 宣寒宇;刘宏哲;袁家政;李青;牛小宁;;一种鲁棒性的多车道线检测算法[J];计算机科学;2017年11期
14 杨伟建;李小坚;;缩微无人车车道线识别与控制[J];中国科技信息;2016年06期
15 孙晓军;李华;焦金星;;基于小面模型的车道线提取方法[J];军事交通学院学报;2014年01期
中国重要会议论文全文数据库 前10条
1 胡坤福;范晓娟;段海艳;宾洋;罗文广;朱书善;;基于自适应感兴趣区域的车道线识别技术[A];第36届中国控制会议论文集(G)[C];2017年
2 王月;杨航;曹恺;江源远;何聪;;基于结构化道路的车道线拟合方法[A];2018中国汽车工程学会年会论文集[C];2018年
3 佟洋;毛须伟;张茂桢;徐熙平;;一种基于图像处理的车道线识别方法[A];国防光电子论坛第二届新型探测技术及其应用研讨会论文集[C];2015年
4 杨广林;苗冬霜;;结构化道路车道线检测与跟踪算法[A];2005年全国理论计算机科学学术年会论文集[C];2005年
5 毕雁冰;;提高车道线识别精度的一种方法[A];第三届中国CAE工程分析技术年会论文集[C];2007年
6 郑欣蕊;王云鹏;余贵珍;徐永正;;基于图像连通区域特征的低空航拍图车道线识别算法[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年
7 刘晓龙;邓志东;;基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法[A];2013年中国智能自动化学术会议论文集(第三分册)[C];2013年
8 张洁颖;王生进;丁晓青;;基于车辆轨迹的车道线检测与划分[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年
9 徐西海;;分段搜索弯道车道线识别算法研究[A];西南汽车信息:2016年第4期(总第361期)[C];2016年
10 余贵珍;李芹;王迪;;车辆智能化车道线跟踪方法研究[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年
中国重要报纸全文数据库 前6条
1 记者 王大波 赵宏光;牛家镇种粮农民增产不增收[N];哈尔滨日报;2008年
2 记者 韩丽梅;齐心协力打一场环卫攻坚战[N];佳木斯日报;2010年
3 本报记者 李宏策;全自动驾驶梦何日实现[N];科技日报;2019年
4 本报记者 何晓亮;自动驾驶汽车:出事算谁的?[N];科技日报;2012年
5 饶洪斌;市区开展停车秩序专项整治[N];咸宁日报;2007年
6 本报记者 韦铭 张璐 本报通讯员 张辉;这些新技术与生活息息相关[N];南京日报;2011年
中国博士学位论文全文数据库 前10条
1 于泳;应用于智能车的车道信息感知及增量建模技术研究[D];吉林大学;2018年
2 穆柯楠;基于车—路视觉协同的行车环境感知方法研究[D];长安大学;2016年
3 王俊;无人驾驶车辆环境感知系统关键技术研究[D];中国科学技术大学;2016年
4 沈峘;智能车辆视觉环境感知技术的研究[D];南京航空航天大学;2010年
5 刘志峰;车辆集成式横向安全预警系统及其关键技术[D];清华大学;2011年
6 张万枝;机器视觉感知下的车辆主动安全技术若干问题研究[D];山东大学;2015年
7 徐洋;先进驾驶员辅助驾驶系统关键技术研究[D];重庆大学;2017年
8 陈龙;城市环境下无人驾驶智能车感知系统若干关键技术研究[D];武汉大学;2013年
9 陈军;基于DSP的高速公路车道偏离报警系统研究[D];天津大学;2010年
10 王超;面向智能车辆的单目视觉行车安全信息检测与识别方法研究[D];南京理工大学;2016年
中国硕士学位论文全文数据库 前10条
1 王珍;智能驾驶中的车道线检测算法研究[D];安徽工程大学;2019年
2 杨妍;基于车道线的高速公路视频监控中车辆检测与跟踪研究[D];西安理工大学;2019年
3 余万里;基于深度学习的车道线检测与识别[D];上海师范大学;2019年
4 周越;基于视觉的车道线识别研究[D];辽宁工业大学;2019年
5 王国凤;基于深度学习的可量测连续实景车道线提取的研究[D];北京建筑大学;2019年
6 胡胜;基于机器视觉的复杂环境下车道线检测方法研究[D];武汉理工大学;2018年
7 孙家阔;基于可量测实景的城市车道线自动提取方法[D];北京建筑大学;2018年
8 范宝正;结构化道路车道线的单目视觉检测方法研究[D];湖南大学;2018年
9 郭亮;车道线识别及车辆偏移距离计算新方法[D];北京交通大学;2018年
10 董莹莹;基于机器视觉的车辆和车道线检测研究[D];湖南大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978