科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出了一种基于车道线特征的残差因子分解网络实现精确车道线分割的方法，该法采用笔者所提的语义分割网络实现车道线语义分割，通过编码器提取车道线的特征信息，再使用解码器恢复图像信息。在编码器中增加的残差层能更好地处理边缘信息与相似信息，提取到更多的特征信息。用霍夫线拟合方法组成一条可视化的车道线。训练时先对车道线分割训练集进行增强，使用对抗生成网络对公开数据集进行数据增强，自动实现白天到夜晚的转换，生成弱光照场景下的图片，提高训练数据的泛化性。实验证明：笔者算法在保持速度的前提下，能够大大提高分割准确率，与其他车道线分割算法相比，CULane数据集的准确率可提高到74.7%。
-
单位浙江广播电视集团; 浙江工业大学
