【摘 要】
:
近年来,随着计算机视觉和自动化等技术的迅猛发展,自动驾驶技术逐渐走入了大众的视野。安全性是自动驾驶首要关注的问题,安全性水平离不开自动驾驶系统环境感知的能力,而车道线检测是环境感知的一个重要环节。较好的车道线检测的性能是自动驾驶系统后续进行正确规划和决策的前提,也是自动驾驶稳定性和安全性的重要保证。然而传统的车道线检测方法在检测的准确率和鲁棒性等性能上往往表现不佳,现有的深度学习方法也存在着平衡检
论文部分内容阅读
近年来,随着计算机视觉和自动化等技术的迅猛发展,自动驾驶技术逐渐走入了大众的视野。安全性是自动驾驶首要关注的问题,安全性水平离不开自动驾驶系统环境感知的能力,而车道线检测是环境感知的一个重要环节。较好的车道线检测的性能是自动驾驶系统后续进行正确规划和决策的前提,也是自动驾驶稳定性和安全性的重要保证。然而传统的车道线检测方法在检测的准确率和鲁棒性等性能上往往表现不佳,现有的深度学习方法也存在着平衡检测准确性和时效性的需求。针对以上问题,本文提出了一种基于深度学习的车道线检测方法,具体的,设计了一种端到端的车道线检测框架,能够实现对于准确性和时效性的平衡;同时设计了一种基于自适应曲线拟合的透视变换矩阵预测网络;并且在车道线检测网络中采用轻量级的网络结构及模块,在提升检测准确率的同时充分考虑了时效性需求。本文主要工作总结为以下几点:(1)为简化车道线检测工作的复杂度,避免复杂的曲线拟合等后处理工作影响车道线检测任务的时效性,提出了一种基于端到端结构的车道线检测算法框架。该方法设计了两个网络,分别负责实现车道线的实例分割和预测特定车道线场景下的透视变换矩阵,并将两个网络相结合用于车道线检测的端到端实现,有效的解决了检测准确性和时效性难以平衡的问题。其中用于实现车道线的实例分割的网络以轻量级的双边融合语义分割网络为骨干,该网络采用深层网络和浅层网络相融合的方法,在准确性和时效性上均有优异表现,同时该方法采用实例分割检测分支将每条车道线进行区分,有更强的适用性,该车道线检测方法能够达到97.72%的Acc。(2)为得到更加准确的车道线检测结果,从预测图像的透视变换矩阵的网络入手,提出了一种基于自适应曲线拟合的透视变换方法。该方法根据车道线的形状特性不同,采用一种自适应拟合的思路,对弯曲程度不同的车道线进行分类,并采用相应的数学模型对其进行拟合,该方法对车道线形状有较强的适应性。(3)为了充分利用车道线长条形的形状特性,设计了一种基于混合池化模块的车道线检测方法。该方法采用水平和垂直条形池化相结合的方式,结合注意力机制的思想,能够充分利用场景中像素间远距离依赖关系。混合池化模块的设计结合了金字塔结构和条形池化模块的思想,充分利用了全局和局部信息。同时设置了混合池化模块的应用策略,在车道线检测网络的关键位置分别采用不同数量的混合池化模块,通过实验确定了最优策略,该策略能够带来0.73%的Acc提升。
其他文献
伴随着信息爆炸,推荐系统应运而生,其中核心的算法部分主要分为三块,分别是召回、排序和重排模块,在这里最为重要的是排序模块,在排序中关注最多的指标是点击率(Click Through Rate,CTR)和转化率(Conversion Rate,CVR),相对于CTR,CVR问题存在数据稀疏和样本选择偏差的问题,数据稀疏指的是训练时CVR数据规模上远远小于CTR数据,样本选择偏差指的是CVR的训练空间
基于实在法的视角,可以从规范的逻辑结构、识别步骤、适用情形和形成过程四个方面对一般法律原则和习惯国际法进行区分。从规范的逻辑结构来看,一般法律原则只能以原则的形式出现,具有程度较高的抽象特征;而习惯国际法通常以规则或原则的形式出现。从规范的识别步骤来看,识别一般法律原则首先需要满足"世界主要法律体系共有"的要求,其次符合"被移置于国际法体系适用"的条件;识别习惯国际法需要同时满足"国家实践"的物质
图像描述生成任务用一句通俗的话解释就是“看图说话”。人类快速地浏览一幅图像,就可以辨认并描述出图像中关于视觉场景的大量细节。然而,这种非凡的能力对计算机而言是一个极具挑战的任务。图像描述生成任务是一个典型的从视觉到文字的跨模态任务,其基础是图像内容理解和文本生成。具体来说,此任务首先对图像内容进行分析得到图像特征;然后基于已获得的图像特征生成相对应的文本描述。判断图像包含哪些内容并控制描述语句的生
纤维增强复合材料制品凭借其自身质量轻、强度大、耐腐蚀、可设计强等突出特点,使其在航天航空、船舶、军工、石油化工、汽车行业等领域获得广泛应用。纤维缠绕机是生产纤维增强复合材料制品的核心设备之一。纤维缠绕机按一定纤维缠绕规律将纤维增强复合材料缠绕在组合回转体表面上生产出纤维增强复合材料制品。因此纤维缠绕规律和按照纤维缠绕规律运动的纤维缠绕机运动轨迹成为纤维缠绕成型技术的关键。与之对应的针对纤维缠绕规律
人体姿态估计任务是计算机视觉任务的热点之一,主要包括对图像或者视频中的人体和人体关键点的准确定位,进而估计恢复出人体姿态的任务。在运动建模、监控安防、行为动作分析和人机互动等领域,人体姿态估计都具有广泛的应用价值。在实际生活中,受拥挤人群遮挡、光线因素变化以及各种复杂场景等的影响,人体姿态估计一直存在着一些普遍和典型的问题和挑战。基于这些问题和挑战,本文在学习总结了相关领域知识方法的基础上,利用深
随着国民经济水平的不断提升,人们的出行方式逐渐演变为以汽车为主。但由于道路规划不合理以及人为主动性地交通违规等原因,道路交通安全问题越来越严重,比如违规停车、违规驾驶等交通违规现象日益增加,轻则造成交通拥堵,重则导致交通瘫痪甚至发生大型交通事故危及群众生命安全。车牌号作为车辆的“身份证”,能唯一地标识车辆,车牌在交通违规中标识车辆具有重要作用,因而准确而快速地识别车牌号码在当今的交通场景下的应用非
目标跟踪作为计算机视觉的一个重要分支,在众多领域中发挥着重要作用,其中包括:视频监控、无人机视觉导航、自动驾驶、医学成像、军事制导等。目标跟踪的主要任务是训练获得一个跟踪器,在给定视频第一帧图像中待跟踪目标的位置的情况下,通过跟踪器准确地预测出该目标在后续帧图像中的位置。随着人工智能浪潮的兴起,越来越多的国内外学者投身于目标跟踪领域,大量能够完成目标跟踪任务的算法被提出,但是由于存在背景相似干扰、
无人机在现代社会的应用越来越多,无人机自主导航技术一直是无人机应用的重要研究内容。无人机应用场景和任务正在向复杂化和多样化发展,在实际应用中GNSS拒止的未知环境也更为常见,本文研究GNSS拒止未知环境下无人机自主导航技术。无法利用先验信息和GNSS定位技术,无人机需要完全依靠自身传感器收集信息,由于无人机载荷有限,而单目相机和IMU具有低价、轻便和优势互补的优点,因此视惯融合是一种理想的无人机自