典型文献
面向园区场景的车道线局部定位检测方法研究
文献摘要：
面向校园驾驶场景,提出一种综合性能表现较好的通用车道线检测算法,即局部定位检测法.首先,采用经典图形学与基于噪声容忍的递归神经网络的学习模型相结合的方法,完成车道线所在局部区域的检测,对目标车道线的灰度图像进行霍夫变换和灰度拉伸,设计递归神经网络学习模型,以梯度数据作为引导,对算法模型训练学习,以排除梯度信息相似的干扰物,并识别几何属性相关的不完整车道线形态,进而完成补全工作,应用稀疏惩罚,设计具有噪声容忍的递归学习模型,最大效率地利用具有被污染数据标注的自建车道线图像数据集,以此为基础,采用深度强化学习方法,通过6个标识点对目标车道线进行精确定位,并基于6个准确的定位点,检测和绘制车道线.
文献关键词：
车道线检测;递归神经网络;深度强化学习;自动驾驶
中图分类号：
作者姓名：
刘丹萍;汪珺;葛文祥
作者机构：
合肥学院先进制造工程学院,合肥230000
文献出处：
引用格式：
[1]刘丹萍;汪珺;葛文祥-.面向园区场景的车道线局部定位检测方法研究)[J].重庆工商大学学报（自然科学版）,2022(04):19-25
A类：
B类：
定位检测方法,驾驶场景,用车,车道线检测,检测算法,检测法,图形学,声容,容忍,递归神经网络,局部区域,灰度图像,霍夫变换,灰度拉伸,神经网络学习,算法模型,模型训练,训练学,梯度信息,干扰物,整车,线形,补全,递归学习,最大效率,数据标注,图像数据集,深度强化学习,强化学习方法,精确定位,定位点,自动驾驶
AB值：
0.357872
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
