基于卷积神经网络的车道线逆透视变换算法
蒋凯伟1
刘彪1
刘国豪1
乔俊超1
王智2
边浩毅3
1.北京交通大学 电气工程学院,北京 1000442.北京交通大学 理学院, 北京 1000443.浙江机电职业技术学院 智慧交通学院,杭州 310053
摘要：逆透视变换是车道线检测的关键环节.当车辆俯仰角变化时,传统固定参数的逆透视变换方法无法动态调整,导致逆透视变换效果不佳.针对这一问题,提出基于卷积神经网络的自适应逆透视变换算法.该方法利用卷积神经网络处理图像,得到求解逆透视变换所需的参数,从而实现逆透视变换矩阵的动态更新.根据道路结构的先验信息设计了自适应加权条形池化分支,用于补充下采样过程中丢失的结构信息,基于ResNet网络的残差结构搭建了轻量的卷积神经网络——T-NET,并设计了对应的损失函数.与ResNet18相比,T-NET具有整体参数量小、计算成本低等特点.最后,通过实车采集的真实道路图像对算法进行了验证,结果表明:在车辆颠簸情况下,该方法可以有效抑制俯仰角变化对逆透视的不利影响,实现良好的逆透视变换效果.
关键词：深度学习逆透视变换卷积神经网络条形池化
分类号：TP18(自动化基础理论)U461.99(汽车工程)
资助基金：北京市自然科学基金(L201021)浙江省科技厅软科学项目(2021C25005)浙江省交通运输厅科技计划项目(2021032)
论文发表日期：2023-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 106-113 )
英文信息