典型文献
网格级的车道线检测
文献摘要：
车道线的检测有很多干扰因素,比如车道线被磨损、遮挡、光线亮度过高和过暗等影响车道线检测的准确率,这时就需要网络有较强的推测能力.为此,该文从分类的角度将车道线检测问题转化为对图像中的特定行进行分类,每一个类别代表车道线所在的一个位置.该方法可以预测输入图像中每行的车道线位置,是一种网格级的车道线检测方式.对图像整体进行行划分,每行再次划分为单元格,对行锚进行流动性特征点提取,并做标记,整合特征点形成完整车道线.该文选取3000张不同环境的图片作为本次实验的数据集进行训练和验证.测试表明该方法能够实现不同场景和环境下的端到端车道线实时检测.
文献关键词：
深度学习;车道线检测;无人驾驶;数据集;网络架构
中图分类号：
作者姓名：
李芳芳;李玉旺;侯雅楠;赵新佳;陈佳佳
作者机构：
太原科技大学,太原 030024
文献出处：
引用格式：
[1]李芳芳;李玉旺;侯雅楠;赵新佳;陈佳佳-.网格级的车道线检测)[J].科技创新与应用,2022(30):77-80,84
A类：
B类：
车道线检测,干扰因素,遮挡,光线,亮度,这时,检测问题,问题转化,个位,每行,检测方式,行行,单元格,特征点提取,整车,不同环境,测试表明,同场,端到端,实时检测,无人驾驶,网络架构
AB值：
0.300388
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。
