基于深度学习的鲁棒道路走向预测用于增强现实导航系统

本文提出一种利用深度学习技术从相机传感器预测道路走向的方法。道路像素通过在大批包含恶劣天气条件的全场景标注夜间道路图像上训练多尺度卷积神经网络来识别。提出了一个将所提方法应用于更长距离道路走向估计的框架，该估计是增强现实导航应用的基础。在此框架中，长距离传感器数据（雷达）和地图数据库的数据与短距离传感器数据（相机）相融合，以产生精确的纵向和横向定位及道路走向估计。所提方法可靠地检测有车道线和无车道线的道路，从而提升了道路走向估计与增强现实导航的鲁棒性和可用性。在取自差分GPS和惯性测量单元的大量高精度真值数据上的评估表明，所提方法达到了最先进性能，且不受需要现有车道线这一限制。