模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (5): 434-445    DOI: 10.16451/j.cnki.issn1003-6059.202105006
“视觉目标检测、判别与跟踪”专题 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于图像序列的车道线并行检测网络
朱威1, 欧全林1, 洪力栋1, 何德峰1
1.浙江工业大学 信息工程学院 杭州 310023
Parallel Lane Detection Network Based on Image Sequence
ZHU Wei1, OU Quanlin1, HONG Lidong1, HE Defeng1
1. School of Information Engineering, Zhejiang University of Technology, Hangzhou 310023

全文: PDF (2100 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 现有车道线检测神经网络主要采用相互独立的单帧图像进行检测,无法较好地处理包含车道线短时遮挡、地面明暗变化等复杂因素的实际应用场景.针对上述问题,文中根据车辆在正常行驶过程中可获得连续图像的场景特点,提出基于图像序列的车道线并行检测网络.首先设计并行的特征提取结构,一方面使用精度较高的单帧网络提取当前帧图像的特征,另一方面设计轻量级的多帧网络提取低分辨率的多帧时序图像的特征,并采用循环神经网络模块融合提取的时序特征,得到多帧特征.再设计单帧特征与多帧特征融合模块,通过上采样网络输出车道线特征图.实验表明,文中网络在客观检测精度和主观效果上都具有明显提升.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
朱威
欧全林
洪力栋
何德峰
关键词 自动驾驶车道线检测循环神经网络特征融合语义分割    
Abstract:The existing lane detection neural networks mainly adopt independent single frame image for detection, and therefore they cannot handle the complex and practical application scenarios, such as short-term occlusion of lane and light and shade changes of ground. To solve these problems, a parallel lane detection network based on image sequence is proposed according to the scene characteristics that the continuous images can be obtained in the normal driving process of vehicles. Firstly, a parallel feature extraction structure is designed. A single frame network with high accuracy is employed to extract the features of the current frame image. A lightweight multi-frame network is designed to extract the features of low resolution multi-frame sequential images. The cyclic neural network module is utilized to fuse the extracted sequential features to obtain multi-frame features. Then, the fusion module of single frame feature and multi-frame feature is designed, and the feature map of the lane line is output through upsampling network. The experimental results show that the objective detection accuracy and subjective effect of the proposed network are significantly improved.
Key wordsAutomatic Driving    Lane Detection    Recurrent Neural Network    Feature Fusion    Semantic Segmentation   
收稿日期: 2020-08-11     
ZTFLH: TP 183  
基金资助:浙江省自然科学基金项目(No.Y21F010051)、国家自然科学基金项目(No.61773345)、汽车仿真与控制国家重点实验室开放基金项目(No.20171103)
通讯作者: 朱威,博士,副教授,主要研究方向为机器视觉.E-mail:weizhu@zjut.edu.cn.   
作者简介: 欧全林,硕士研究生,主要研究方向为智能视觉处理.E-mail:1145893246@qq.com.洪力栋,硕士研究生,主要研究方向为智能机器人系统.E-mail:267310301@qq.com.何德峰,博士,教授,主要研究方向为智能驾驶与安全控制.E-mail:hdfzj@zjut.edu.cn.
引用本文:   
朱威, 欧全林, 洪力栋, 何德峰. 基于图像序列的车道线并行检测网络[J]. 模式识别与人工智能, 2021, 34(5): 434-445. ZHU Wei, OU Quanlin, HONG Lidong, HE Defeng. Parallel Lane Detection Network Based on Image Sequence. , 2021, 34(5): 434-445.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202105006      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I5/434
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn