详情

原文传递基于语义分割网络的车道线检测方法研究

论文题名：	基于语义分割网络的车道线检测方法研究
关键词：	车道线检测;语义分割网络;后处理方法;车道线聚类
摘要：	高级辅助驾驶系统在减小交通事故发生率，提升行车安全性等方面发挥着重要作用，能够有效改善日益严重的交通问题，已被广泛应用于智能汽车领域。车道线检测技术作为智能汽车的环境感知手段，为路径规划，车道保持，车道偏离预警等辅助驾驶功能提供道路车道线信息，是高级辅助驾驶系统的核心技术之一。　　传统的车道线检测方法依靠手工设计的模板来提取车道线特征，需要良好的特征匹配，无法适应光照条件变化的场景，鲁棒性较差。而基于深度学习的车道线检测方法通过深度神经网络对特征进行提取，具有更好的泛化能力，但通常需对检测的车道线数量进行预定义，在非结构化道路场景准确率较低，且整体方法计算量大，在嵌入式设备运行的效率较低，无法满足智能汽车对检测算法的实时性需求。针对以上问题，本文开展了基于语义分割网络的车道线检测方法研究，通过语义分割网络车道线提取与聚类操作等后处理算法相结合的方式完成对车道线的快速、准确检测，具体研究内容如下：　　1.提出了基于改进的语义分割深度神经网络车道线提取方法　　本文在双分支网络结构基础上，针对车道线形状特点对网络进行了特定结构设计，以用于对图像中的车道线像素与背景像素进行分割。同时，通过数据采集与标注，建立了不同场景下的车道线语义分割数据集以用于网络训练。另外，针对车道线检测任务，本文提出了基于动态感兴趣区域的道路图像预处理方法，以用于减小车道线检测时的输入数据处理量并提升网络泛化能力。实验结果表明，相较于其他语义分割网络，本文所构建网络能更高效地对图像中车道线进行提取，且具有良好的分割精度。　　2.提出了面向车道线检测的相关后处理方法　　通过相关算法对语义分割网络提取得到的车道线分割图进行后处理操作，以构建完整车道线检测系统。首先，提出了基于车道信息约束的车道线聚类算法。所提算法有效利用了车道线间隔距离固定，各段间斜率相似的约束条件，实现了对分割图中车道线像素点的分别聚类。其次，通过对各条车道线聚类得到的点集进行分段采样处理，改善了使用最小二乘法拟合时车道线模型易受到噪音点干扰的问题。最后，提出了基于帧间相似性的车道线平滑方法，用于对检测结果中的漏检和误检结果进行平滑处理，以提升检测算法的准确性。　　3.搭建实验平台验证算法　　通过仿真对比与真车实验对本文车道线检测方法进行实验验证。首先，在电脑端将本文所构建的车道线检测系统在公开数据集以及自建数据集上进行仿真对比。其次，将本文算法移植到嵌入式设备，并搭建真车实验平台进行真实场景测试。实验结果表明，在综合道路场景下本文所提车道线检测算法具有良好的实时性以及鲁棒性。　　综上，本文针对车道线检测任务对语义分割网络以及相关后处理算法进行了研究工作，提出了基于语义分割网络的车道线检测方法并进行实验验证。所提方法通过语义分割网络对车道线进行提取并结合车道线聚类等后处理算法实现了对车道线的快速、准确检测，具有一定的实际意义与工程应用价值。
作者：	马龙杨
专业：	控制工程
导师：	朱浩
授予学位：	硕士
授予学位单位：	重庆邮电大学
学位年度：	2022