典型文献
基于深度学习的车道线激光精准检测方法研究
文献摘要：
车道线检测是智能辅助驾驶的核心问题,研究基于深度学习的车道线激光精准检测方法,提高车道线检测精度.将激光雷达安装在待检车辆上,用来扫描物体返回脉冲,通过激光雷达的回波脉冲宽度提取车道线与路面区分度的特征,结合深度学习方法,构建新型多尺度全卷积神经网络的车道线检测模型,融合特征图对车道线分割,实现车道线精准检测.实验结果表明,在多场景条件下,本方法的漏检率、误检率均低于传统方法,平均检测合格率96％,交互比也远远高于传统方法,平均耗时低至51 ms,且变化态势平稳,说明本方法在不同场景中车道线图像分割处理效果较好,车道线的检测效率较高,车道线检测的精度较高.
文献关键词：
深度学习;车道线检测;激光精准;检测方法;特征融合;神经网络
中图分类号：
作者姓名：
张铮;王江
作者机构：
湖北工业大学机械工程学院,武汉 430068
文献出处：
引用格式：
[1]张铮;王江-.基于深度学习的车道线激光精准检测方法研究)[J].激光杂志,2022(02):53-57
A类：
激光精准
B类：
线激光,精准检测,车道线检测,智能辅助,辅助驾驶,高车,检测精度,激光雷达,达安,返回,回波,脉冲宽度,区分度,深度学习方法,全卷积神经网络,检测模型,融合特征,特征图,多场景,漏检率,误检率,ms,变化态势,同场,图像分割,处理效果,检测效率,特征融合
AB值：
0.271435
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。
