文档名：基于卷积神经网络的车道线逆透视变换算法
摘要：逆透视变换是车道线检测的关键环节.当车辆俯仰角变化时,传统固定参数的逆透视变换方法无法动态调整,导致逆透视变换效果不佳.针对这一问题,提出基于卷积神经网络的自适应逆透视变换算法.该方法利用卷积神经网络处理图像,得到求解逆透视变换所需的参数,从而实现逆透视变换矩阵的动态更新.根据道路结构的先验信息设计了自适应加权条形池化分支,用于补充下采样过程中丢失的结构信息,基于ResNet网络的残差结构搭建了轻量的卷积神经网络——T-NET,并设计了对应的损失函数.与ResNet18相比,T-NET具有整体参数量小、计算成本低等特点.最后,通过实车采集的真实道路图像对算法进行了验证,结果表明:在车辆颠簸情况下,该方法可以有效抑制俯仰角变化对逆透视的不利影响,实现良好的逆透视变换效果.
作者：蒋凯伟 刘彪 刘国豪 乔俊超 王智 边浩毅 Author：JIANGKaiwei LIUBiao LIUGuohao QIAOJunchao WANGZhi BIANHaoyi
作者单位：北京交通大学电气工程学院,北京100044北京交通大学理学院,北京100044浙江机电职业技术学院智慧交通学院,杭州310053
刊名：北京交通大学学报 ISTICPKU
Journal：JournalofBeijingJiaotongUniversity
年，卷(期)：2023, 47(2)
分类号：TP18U461.99
关键词：深度学习 逆透视变换 卷积神经网络 条形池化
机标分类号：TP391.41TN911.73P237
在线出版日期：2023年6月30日
基金项目：北京市自然科学基金，浙江省科技厅软科学项目，浙江省交通运输厅科技计划项目基于卷积神经网络的车道线逆透视变换算法[
期刊论文] 北京交通大学学报--2023, 47(2)蒋凯伟 刘彪 刘国豪 乔俊超 王智 边浩毅逆透视变换是车道线检测的关键环节.当车辆俯仰角变化时,传统固定参数的逆透视变换方法无法动态调整,导致逆透视变换效果不佳.针对这一问题,提出基于卷积神经网络的自适应逆透视变换算法.该方法利用卷积神经网络处理图像...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于卷积神经网络的车道线逆透视变换算法 An inverse perspective transformation algorithm for lane lines based on CNN
基于卷积神经网络的车道线逆透视变换算法.pdf
- 文件大小:
- 26.36 MB
- 下载次数:
- 60
-
高速下载
|
