公开(公告)号：CN110363182B

公开(公告)日：2021-06-18

申请号：CN201910672937.6

申请日：2019-07-24

Applicant: 北京信息科技大学

Inventor： 王超 ,  付子昂

IPC: G06K9/00 ,  G06K9/38 ,  G06K9/62

Abstract: 基于深度学习的车道线检测方法，它属于车道线检测技术领域。本发明解决了传统的车道线检测方法耗时且检测的精度低的问题。本发明首先将检测车道线的任务视作像素级的语义分割问题，通过全卷积神经网络FCN8s划分车道线和背景，再通过后处理和DBSCAN聚类方法提取当前车道两侧的左右车道线坐标，最后通过拟合算法对左右车道线进行拟合，本发明方法对视频检测达到平均50帧每秒，检测精度能够达到92.3％，可以实现精确快速的检测效果。本发明可以应用于车道线检测技术领域。

公开(公告)号：CN110363182A

公开(公告)日：2019-10-22

申请号：CN201910672937.6

申请日：2019-07-24

Applicant: 北京信息科技大学

Inventor： 王超 ,  付子昂

IPC: G06K9/00 ,  G06K9/38 ,  G06K9/62

Abstract: 基于深度学习的车道线检测方法，它属于车道线检测技术领域。本发明解决了传统的车道线检测方法耗时且检测的精度低的问题。本发明首先将检测车道线的任务视作像素级的语义分割问题，通过全卷积神经网络FCN8s划分车道线和背景，再通过后处理和DBSCAN聚类方法提取当前车道两侧的左右车道线坐标，最后通过拟合算法对左右车道线进行拟合，本发明方法对视频检测达到平均50帧每秒，检测精度能够达到92.3％，可以实现精确快速的检测效果。本发明可以应用于车道线检测技术领域。