基于谷歌街景与CNN的车道线检测动态方法
计算机视觉与模式识别
2019-09-04 v1 机器学习
摘要
车道线检测算法一直是全辅助与自主导航系统的关键赋能技术。本文提出一种新颖且实用的车道线检测方法，采用基于SegNet编码器-解码器架构的卷积神经网络(CNN)模型。编码器模块生成输入图像的低分辨率特征图，解码器模块从特征图提供逐像素分类。所提模型在2000张图像数据集上训练，并使用数据集中提供的相应真实标注进行测试评估。为实现实时导航，我们将模型预测与现有谷歌API接口对接，评估模型指标并调优超参数。该方法的新颖性在于将现有SegNet架构与谷歌API相集成。该接口使辅助机器人系统使用便捷。观测结果表明，由于涉及的预处理，所提方法在具有挑战性的遮挡条件下具有鲁棒性，且与现有方法相比性能更优。
引用
@article{arxiv.1909.00798,
title = {Dynamic Approach for Lane Detection using Google Street View and CNN},
author = {Rama Sai Mamidala and Uday Uthkota and Mahamkali Bhavani Shankar and A. Joseph Antony and A. V. Narasimhadhan},
journal= {arXiv preprint arXiv:1909.00798},
year = {2019}
}
备注
Preprint: To be published in the proceedings of IEEE TENCON 2019