改进UNet与DBSCAN融合的车道线检测方法 |
| |
引用本文: | 孙浩铭,夏金泽,胡盛辉,梁冬泰.改进UNet与DBSCAN融合的车道线检测方法[J].机械制造,2023(4):68-75+61. |
| |
作者姓名: | 孙浩铭 夏金泽 胡盛辉 梁冬泰 |
| |
作者单位: | 1. 宁波大学机械工程与力学学院;2. 宁波大学浙江省零件轧制成形技术研究重点实验室 |
| |
摘 要: | 室内外标记线和车道线检测是移动作业机器人研究的难点这一。针对现有方法效率低、精度差等问题,提出了改进UNet与DBSCAN融合的车道线检测方法。基于分布式融合结构,将图像输入嵌有并行融合注意力模块的UNet,通过注意力机制加大车道线权重,并抑制干扰信息,以获得更好的识别结果。三维激光雷达的点云数据通过随机抽样一致算法和自适应邻域DBSCAN获得车道线原始点云,经过最小二乘拟合得到点云车道线。在像素坐标系上引入匈牙利算法匹配决策判断,实现车道线拟合。基于KITTI数据集和真实数据集进行试验验证,识别结果优于UNet和LaneNet,检测时间平均约为0.5 s,相比纯视觉方法具有较好的鲁棒性和准确性。
|
关 键 词: | 车道线 检测 深度学习 聚类 |
|
|