基于端到端神经网络在复杂场景下的车道线检测
计算机视觉与模式识别
2020-10-27 v1
摘要
车道检测是解决无人驾驶中可行驶区域划分的关键问题，车道线的检测精度对车辆驾驶决策具有重要作用。日常驾驶中车辆面临的场景相对复杂，强光、光照不足及车辆拥挤都会给车道检测带来不同程度的困难。因此我们结合空间卷积在空间信息处理中的优势以及ERFNet在语义分割中的高效性，提出一种端到端网络用于在多种复杂场景下进行车道检测。并且我们通过结合空间卷积与空洞卷积设计了信息交换块，其在理解细节信息方面发挥了很大作用。最后，我们的网络在CULane数据库上进行了测试，其IOU阈值为0.5时的F1-measure可达71.9%。
引用
@article{arxiv.2010.13422,
title = {Lane detection in complex scenes based on end-to-end neural network},
author = {Wenbo Liu and Fei Yan and Kuan Tang and Jiyong Zhang and Tao Deng},
journal= {arXiv preprint arXiv:2010.13422},
year = {2020}
}
备注
Accepted by 2020 China Automation Congress (CAC)