车道线检测
车道线检测的相关文献在2007年到2022年内共计1014篇,主要集中在自动化技术、计算机技术、公路运输、无线电电子学、电信技术
等领域,其中期刊论文299篇、会议论文2篇、专利文献1441888篇;相关期刊192种,包括科学技术与工程、农业装备与车辆工程、桂林电子科技大学学报等;
相关会议2种,包括2011年江苏省人工智能学术会议、第二届上海-斯图加特汽车及动力技术国际研讨会等;车道线检测的相关文献由2287位作者贡献,包括解梅、李阳、高语函等。
车道线检测—发文量
专利文献>
论文:1441888篇
占比:99.98%
总计:1442189篇
车道线检测
-研究学者
- 解梅
- 李阳
- 高语函
- 高尚兵
- 崔迪潇
- 潘杰
- 孙锐
- 李超
- 王海
- 何君舰
- 刘宏哲
- 孟凯
- 张如高
- 朱全银
- 李发成
- 李杰
- 汪长春
- 石建萍
- 蔡创新
- 虞正华
- 陈浩霖
- 王超
- 袁家政
- 何晓飞
- 刘洋
- 刘瑞祥
- 刘鹏
- 唐文剑
- 姜安
- 孟然
- 崔峰
- 朱海涛
- 李亮
- 杨政
- 江志浩
- 王继贞
- 程光亮
- 肖进胜
- 胡序洋
- 赵东旭
- 郑途
- 陈军
- 马莎
- 黄亦非
- 黄凯明
- 于永涛
- 于维双
- 叶茂权
- 周君
- 周秀田
-
-
许小伟;
熊豪;
陈乾坤;
蔡永祥;
严运兵;
刘畅然
-
-
摘要:
针对路面干扰时车道线检测鲁棒性差和消失点检测误差大的问题,提出了一种基于融合分割和消失点提取的车道线检测方法.对获取视频帧图像进行灰度化和高斯滤波处理之后,利用Canny边缘检测算法对图像进行边缘提取.以边缘点最多的一行作为上界划分预处理图像的动态感兴趣区域(ROI),结合大津算法(OTSU)分割出预处理图像的车道线背景,提取车道线信息.采用直线段检测(LSD)算法对ROI区域内车道线标志进行提取,并结合改进的消失点检测方法快速提取车道线.实验结果表明:所提出的方法对多场景下离线照片的平均正检率为97.16%,识别速度为34 ms/帧,能够很好地对多场景下车道线进行快速检测.
-
-
王宇瑞;
李炎亮;
郭雨婷;
江奎
-
-
摘要:
为满足自动驾驶汽车在不同环境条件下自主行驶的需求,提出一种基于改进霍夫变换的车道线检测算法。首先利用HSV提取图像车道线颜色特征,然后对HSV和灰度空间融合后的二值化图像进行Canny算子边缘检测、霍夫变换和直线拟合等处理。对比分析实验结果表明,提出的检测算法不仅提高了车辆对车道线的识别精度,而且改善了稳定性。
-
-
杨淑琴;
马玉浩;
方铭宇;
钱伟行;
蔡洁萱;
刘童
-
-
摘要:
针对基于语义分割的车道线检测方法存在的特征表述模糊、语义信息利用率较低的问题,采用实例分割算法,提出基于改进混合任务级联(HTC)网络的车道线检测方法.基于HTC网络模型,在主干网络中引入可变形卷积,提升主干网络对复杂环境中车道线特征的提取能力.改进特征金字塔网络结构,在特征金字塔网络的基础上添加自底向上的低层特征传递路径,引入空洞卷积,在不损失车道线特征信息的情况下增加特征图感受野,利用低层特征中所包含的车道线的精确定位信息,提高车道线的检测精度.实验结果表明,改进HTC网络模型可以实现车道线特征的鲁棒提取,在复杂道路环境中可以获得较好的检测性能,有效提高了车道线检测精度.
-
-
孙建波;
张叶;
常旭岭
-
-
摘要:
针对辅助驾驶或自动驾驶领域车载图像的车辆压线检测问题,以及检测过程中由于欠曝、阴影或实体遮挡等因素导致的漏检、误检问题,提出基于改进Mask R-CNN与LaneNet的车辆压线检测算法。在网络优化方面,在Mask RCNN网络的基础上将RoI Align层的图像缩放算法(双线性插值)改进为双三次插值,将全连接层卷积化的VGG16网络取代LaneNet的E-Net共享解码器;在图像增强方面,改进Gamma校正算法以实现欠曝图像的自动校正;在训练数据方面,完成Tusimple数据集中车辆目标的标注并基于改进的随机擦除算法在网络训练过程中进行数据增强。实验结果表明:车辆检测速度保持不变的同时车道线检测速度提升了28%,车辆漏检率、误检率分别降低了38.93%,89.04%,车道线漏检率、误检率分别降低了67.21%,87.05%,算法的性能指标可满足车辆压线判断的应用需求。
-
-
陈熹;
张娜娜
-
-
摘要:
车道线是司机进行安全驾驶的重要依据。提高车道线检测的准确性以及实时性,能够保证司机在驾驶过程中的行驶安全,从而减少道路上交通事故的发生概率。为此,提出一种基于Hessian矩阵的车道线检测方法,首先对原彩色车道线图片进行灰度化处理,之后采用中值滤波对灰度图像进行消噪处理,最后通过Hessian矩阵的特征值所构造的滤波器进行车道线的增强,最终实现车道线的有效提取。实验表明,该方法能够不受图像中的噪声影响,准确地检测到公路上的车道线,提高识别率。
-
-
龙众鹏;
徐展鹏;
赵文瑜;
侯金剑
-
-
摘要:
自动驾驶与辅助驾驶中对车道线检测的要求都是极高的。传统车道线检测中对感兴趣区域的划分主要是粗略的截取图像的下三分之二处,导致对一些特殊场景的适用性不高。本文为了更精确的检测出车道线,在传统的车道线检测基础上提出将感兴趣区域进行动态划分,通过行灰度值和列灰度值剔除图像上部天空和左右风景的无关信息。通过实验表明,上诉方法在检测算法中可以更加精确的识别出车道线,并提高了算法的实时性和鲁棒性。
-
-
张冲;
黄影平;
郭志阳;
杨静怡
-
-
摘要:
车道线识别是自动驾驶环境感知的一项重要任务。近年来,基于卷积神经网络的深度学习方法在目标检测和场景分割中取得了很好的效果。本文借鉴语义分割的思想,设计了一个基于编码解码结构的轻量级车道线分割网络。针对卷积神经网络计算量大的问题,引入深度可分离卷积来替代普通卷积以减少卷积运算量。此外,提出了一种更高效的卷积结构LaneConv和LaneDeconv来进一步提高计算效率。为了获取更好的车道线特征表示能力,在编码阶段本文引入了一种将空间注意力和通道注意力串联的双注意力机制模块(CBAM)来提高车道线分割精度。在Tusimple车道线数据集上进行了大量实验,结果表明,本文方法能够显著提升车道线的分割速度,且在各种条件下都具有良好的分割效果和鲁棒性。与现有的车道线分割模型相比,本文方法在分割精度方面相似甚至更优,而在速度方面则有明显提升。
-
-
汪鹏飞;
沈庆宏;
张维利;
董文杰;
陈红梅
-
-
摘要:
识别与检测车道线作为自动驾驶感知周围环境的一环,为自主车辆在众多复杂场景中提供交通数据信息参考.为了提取车道线本身含有的交通语义信息,按照实际含义分为不同类别,提出一种多尺度分辨率特征的图像分割方法提取车道线,生成低分辨特征,同时保持高分辨尺度子网.针对卷积神经网络无法充分探索空间信息的局限,引入全自注意力网络结构改进下采样解码部分,将特征图通过嵌入向量映射完成线性采样,再经由全自注意力网络结构提取空间上下文语义信息,最后对图像进行降采样完成最终的下采样过程.利用滑窗多头注意力机制,解决嵌入向量映射层因划分造成边界上下文语义信息的不连续问题.针对改进的模型采用交并比损失函数进行优化,能够在保持精度的情况下正确识别相应类别,交并比和F1系数分别达到49.36%和63.02%.经实际测试,在遮挡、阴影等复杂场景下的车道线识别也能更加准确,具有更好的鲁棒性.
-
-
张修望;
钱银森;
宋春林
-
-
摘要:
针对目前车道线检测算法准确度低、鲁棒性不高、人工智能车道线识别算法需要大量的数据和计算量,以及对车载设备要求高等问题,提出了一种基于网格聚类的车道线检测算法。算法在检测出直线之后,把图像按像素划分为很多个小网格,然后再用网格聚类算法对车道线进行分类。方法计算量低,适应的场景多。实验和仿真结果表明,算法与其他车道线拟合算法相比,具有较好的准确度和鲁棒性。
-
-
孙斌艳;
曹馨窈;
张连勇;
郭继峰
-
-
摘要:
自动驾驶车辆在实际行驶过程中,往往对车道线检测的算法效率有着很高的要求,针对这一问题,本文基于2018年提出的经典车道线检测模型Lanenet,提出一种检测时间开销较小的算法,本算法主要通过两个方法提升车道线检测实时性:一是压缩网络结构,减少图片前向处理时间;二是使用时间复杂度小的k-means算法对车道线像素进行聚类,加快聚类效率。在相同实验环境下,本算法在总时间上比Lanenet减少了77.9%,能更好的解决车道线检测实时性能差这一问题。
-
-
Sihan Chen;
陈思汉;
Libo Huang;
黄李波;
Xin Bi;
毕欣;
Jie Bai;
白杰
- 《第二届上海-斯图加特汽车及动力技术国际研讨会》
| 2017年
-
摘要:
Lane detection is a crucial component of many advanced driver-assistance systems. Lane position can help both develop many driving assistance systems such as lane keeping system (LKS), lane departure warning system (LDWS) and achieve vehicle local location and behavior prediction. In this paper, an illumination invariant lane detection method was proposed. The proposed method takes full use of time-space context for robust lane detection. First, the vanishing point was detected adaptively in the strip image by using standard Hough transform. Thus, the region of interest (ROI) can be obtained adaptively for computation reduction. Then, considering the time-context information of the image sequence, a procedure for generating the time slice image which is used to acquire the lane marks key points was designed. In addition, Tophat processing was utilized to enhance contrast degree of the time slice image for better segmentation between the lane marks and road under the noise and low illumination. Finally the method for predicting the current lane marks position was given.Several driving scenarios had been tested and the experiment results show that the proposed lane detection method works well with acceptable performance and has enough tolerance to low illumination, variant illumination, broken and blurredlanes.
-
-
胡彬;
赵春霞
- 《2011年江苏省人工智能学术会议》
| 2011年
-
摘要:
提出了根据高斯分布模型的自适应阚值分割方法,使用了基于形态学变换的二值图优化算法得到车道线边缘图。改进了概率霍夫变换,使其更能满足实际情况,从而换检测出车道线。实验表明了该方法可以有效检测出车道线,并且速度上得到了极大的提高。