利用卷积神经网络的车道线检测方法

车道线检测是自动或智能辅助驾驶的核心问题之一。本文主要研究单目视觉下车道线检测算法。车道线具有多样性,其存在的环境又具有复杂性,因此准确高效车道线检测是一个具有挑战性的问题。本文提出了一种新的车道线检测算法,在传统车道检测方法中引入深度学习模型,主要包括下了步骤:首先使用基于车道线先验特征的图像增强算法进行边缘增强,对于边缘增强后的图像采用线段检测器进行线段提取,然后利用卷积神经网络构造线段分类器排除线段噪声,最后通过对消失点聚类排除无关线段,并按斜率聚类产生主车道线。实验表明,本文实现的算法具备较强的鲁棒性和很高的检测准确度。      

单目视觉下结构化车道实时检测

车道检测是高级驾驶员辅助系统的重要组成部分。本文对视频进行实时处理，实现对结构化车道线的实时检测。首先使用行方向的Sobel算子对处理区域进行边缘增强，接着在处理后的区域使用LSD(Line Segment Detector)进行线段提取，提取的线段集合包含代表车道线的线段。最后通过线段倾角以及相对位置过滤线段集合，并结合线段稳定帧数来筛选出最佳候选车道线。