论文摘要
提出一种基于语义分割的车辆行驶车道定位方法.首先采用"编码器-解码器"网络架构实现多车道语义分割,通过最大池化计算的池化索引来进行非线性上采样,消除上采样的学习需要;然后结合目标检测YOLO v2算法,判断行驶车辆所属车道的位置,从而进行车道定位.利用卡尔斯鲁厄理工学院和丰田美国技术研究院公布的数据集（KITTI）中城市道路（UM）的数据制作训练和测试数据库,并将其公开发布.该算法可以实现端到端训练,网络结构简单、速度快、内存需求低,每帧图像的执行速度在60 ms以内.
论文目录
文章来源
类型: 期刊论文
作者: 裴晨皓,黄立勤
关键词: 车辆辅助驾驶,车道语义分割,卷积神经网络,车道定位
来源: 福州大学学报(自然科学版) 2019年04期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 汽车工业,计算机软件及计算机应用
单位: 福州大学物理与信息工程学院
基金: 福建省重大重点科技基金资助项目(2017H6009,2018H0018),福建省中青年教师教育科研项目(JA15626),赛尔网络创新项目(NGII20160208,NGII20170201)
分类号: U463.6;TP391.41
页码: 453-459
总页数: 7
文件大小: 2494K
下载量: 338