改进UNet与DBSCAN融合的车道线检测方法
Machinery（2023）
摘要
室内外标记线和车道线检测是移动作业机器人研究的难点这一.针对现有方法效率低、精度差等问题,提出了改进UNet与DBSCAN融合的车道线检测方法.基于分布式融合结构,将图像输入嵌有并行融合注意力模块的UNet,通过注意力机制加大车道线权重,并抑制干扰信息,以获得更好的识别结果.三维激光雷达的点云数据通过随机抽样一致算法和自适应邻域DBSCAN获得车道线原始点云,经过最小二乘拟合得到点云车道线.在像素坐标系上引入匈牙利算法匹配决策判断,实现车道线拟合.基于KITTI数据集和真实数据集进行试验验证,识别结果优于UNet和LaneNet,检测时间平均约为0.5 s,相比纯视觉方法具有较好的鲁棒性和准确性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要