基于深度学习的车道线健康度评估系统研究

作者：周晓; 李新成; 王进举

来源：数字制造科学, 2021, 19(01): 54-59.

• 深度学习
• 车道线
• 健康度评估
• 区域检测
• 分类

为了提高车道线损坏检测的效率、准确率和鲁棒性,将人工检测对于车道线损坏程度评定标准定义为车道线的健康度,并对健康度分级,将车道线损坏检测转化为健康度评估分类任务。提出了一种基于深度学习的车道线健康度评估系统,首先利用IPM变换消除车道线透视变形,基于Mask R-CNN网络进行车道线区域分割,然后基于车道线区域分割结果和Res Net网络进行健康度评估。实验证明,该系统在车道线区域检测上的AP指标可以达到0.79,对于车道线健康度评估准确率可达到95%。

• 单位
  机电工程学院; 武汉理工大学