为改善传统车道线检测方法易受环境影响且鲁棒性较差的缺点,提出一种卷积神经网络(CNN)结合后处理算法.首先通过提取感兴趣区域与增强对比度的车道线预处理方法减少不必要的图片背景,增强图片的特征细节;然后基于CNN提取的车道线图像特征构建模型,使用DBSCAN聚类算法对车道线分割模型进行后处理;最后通过最小二乘法对车道线像素峰值点进行二次曲线拟合,并将拟合结果回归到原始图像中.实验结果表明,车道线检测模型验证集的准确率和召回率分别为91.3％和90.6％,表明模型具有较好的分割效果.基于CNN结合后处理的车道线检测方法能有效减少人工经验存在的缺陷,相较于传统车道线检测方法具有更好的鲁棒性和准确性.
国家科技期刊平台
NSTL
万方数据
维普
