基于实例分割方法的复杂场景下车道线检测

摘要

面对当前在复杂场景下车道线检测存在精度不高、鲁棒性较差等问题,提出一种基于实例分割方法的复杂场景下车道线检测算法.该算法基于改进的VGG-16卷积神经网络结构,首先对道路图像进行二值化语义分割,得到离散的车道线像素点;再采用Mean shift聚类方法确定属于同一条车道线的像素点,形成相应的车道线实例;最后结合可变透视变换矩阵变换道路图像,采用多项式拟合生成车道线参数方程.该算法能够在车道线残缺、被阴影遮挡或数量发生变换等复杂场景下,实现对车道线的准确检测,具有较高的识别准确率.实验结果表明,该算法在不同场景下弯道和直道检测的平均准确率为96.6％,能适合多种路况车道线检测,鲁棒性较好.