-
题名基于LaneNet算法的车道线检测方法研究
- 1
-
-
作者
李荣彬
-
机构
闽南理工学院实践教学中心
-
出处
《科技创新与生产力》
2025年第5期130-133,137,共5页
-
文摘
本研究针对自动驾驶和智能驾驶辅助系统中的车道线检测问题,提出了一种基于LaneNet算法的准确、实时车道线检测方法。LaneNet算法以其独特的多分支网络结构,能够高效地实现车道线的二值化分割和实例分割,并通过引入H-Net网络学习透视变换参数,提高了车道线检测的准确性和鲁棒性。研究详细阐述了基于LaneNet的车道线检测方法的各个环节,包括图像预处理、特征提取、车道线检测和后处理。通过实验验证,该方法在公开的车道线检测数据集Tusimple上取得了优异的表现,与传统图像处理方法、YOLOv3和Faster R-CNN等算法相比,LaneNet在准确率、错误检测率(FP)和漏检率(FN)方面均表现出最优性能。具体而言,LaneNet的准确率达到96.5%,错误检测率为6.8%,漏检率为1.8%,为车道线检测领域提供了新的思路和方法,有助于推动自动驾驶技术的进一步发展。
-
关键词
车道线检测
特征提取
深度学习算法
lanenet算法
-
Keywords
lane line detection
feature extraction
deep learning algorithm
lanenet algorithm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP181
[自动化与计算机技术—控制理论与控制工程]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
