典型文献
基于深度学习的局部特征增强车道线检测方法
文献摘要：
车道线检测作为环境感知必不可少的一环,有着为自动驾驶提供路径规划辅助以及车辆定位和控制的辅助作用.深度学习的方法在解决车道线检测任务中具有良好的表现.结合车道线检测任务和深度学习技术的分析,提出了一个基于深度学习的增强局部特征的车道线检测方法.通过增强车道线消失点的特征信息结合注意力机制来增加模型的识别能力,另外,还重新设计了形状损失函数用来增加车道线间的约束.结果表明,通过车道局部特征增强的方法不仅可以加快模型的回归能力,也表现出了更好的检测性能.
文献关键词：
机器视觉;智能车辆;车道线;深度学习
中图分类号：
作者姓名：
张博
作者机构：
重庆交通大学,重庆 400074
文献出处：
引用格式：
[1]张博-.基于深度学习的局部特征增强车道线检测方法)[J].内燃机与配件,2022(24):6-8
A类：
B类：
局部特征,特征增强,车道线检测,环境感知,自动驾驶,路径规划,车辆定位,辅助作用,深度学习技术,失点,特征信息,信息结合,注意力机制,识别能力,重新设计,损失函数,加车,线间,检测性能,机器视觉,智能车辆
AB值：
0.339651
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。
