基于多任务学习的多车道检测算法研究

发布时间：2022-12-21 23:13

　　智能车技术的快速发展有利于提高人类出行的安全性和效率,而稳定、可靠并且具有多车道感知能力的道路检测是车辆安全行驶的重要保障之一。车道划分的精确性、算法对环境的鲁棒性等使车道级的道路检测算法非常具有挑战性。目前,主流的道路检测算法,如车道分割、车道线检测等,均无法很好地独立完成多车道检测任务。因此,本文融合了车道线检测和道路分割的结果,提出了一种基于多任务学习的多车道检测算法。该算法主要包括了道路分割任务、车道线检测任务以及结果融合模块。对于道路分割任务,分割网络往往没有考虑到道路固有的特性,使得道路分割的效果受到了很大的局限性,于是,本文提出了一种基于先验知识的道路分割算法。该算法主体是一个编码器-解码器结构的图像分割网络,针对道路的空间、边缘梯度两种特征,本文提取了相应的特征信息作为先验知识:将图像像素的位置索引作为空间先验知识;计算了八邻域中八个方向的梯度作为原始空间的边缘先验知识,将这些有关道路的先验知识与网络融合,丰富信息。同时本文在交叉熵损失函数的基础上引入了道路数据分布概率,对可能是道路区域中的漏检或者不可能是道路区域中的误检加大惩罚,从而使得道路分割效果更佳。在Citys... 

【文章页数】：101 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外发展现状
        1.2.1 基于车道线的道路检测方法
        1.2.2 基于道路分割的道路检测方法
    1.3 本文主要研究内容
第二章 基于多先验知识的道路分割算法
    2.1 引言
    2.2 基础网络
        2.2.1 VGGNet
        2.2.2 ResNet
        2.2.3 FCN
    2.3 道路分割网络
        2.3.1 网络整体结构
        2.3.2 数据增强
        2.3.3 道路先验知识及融合
        2.3.4 基于空间先验知识的损失函数
    2.4 实验与分析
        2.4.1 实验数据集
        2.4.2 数据集验证实验
        2.4.3 真实数据验证实验
    2.5 本章小结
第三章 基于实例分割的车道线检测算法
    3.1 引言
    3.2 车道线实例分割网络
        3.2.1 网络整体架构
        3.2.2 车道线二值分割网络
        3.2.3 特征映射层
    3.3 车道线实例聚类
    3.4 车道线模型拟合
        3.4.1 逆透视变换
        3.4.2 基于Ransac的车道线拟合算法
    3.5 实验与分析
        3.5.1 实验数据集
        3.5.2 数据集验证实验
        3.5.3 真实数据验证实验
    3.6 本章小结
第四章 基于多任务学习的多车道检测算法
    4.1 引言
    4.2 多任务学习
    4.3 基于多任务联合学习的多车道线检测算法
        4.3.1 整体架构
        4.3.2 网络训练过程
    4.4 车道线检测与道路分割的融合算法
    4.5 实验与分析
        4.5.1 实验数据集
        4.5.2 数据集验证实验
        4.5.3 真实数据验证实验
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读学位期间发表的学术论文
攻读学位期间参与的项目



本文编号：3722956