%0 Journal Article %A 刘宏哲 %A 田锦 %A 袁家政 %T 基于实例分割的车道线检测及自适应拟合算法 %D 2020 %R 10.11772/j.issn.1001-9081.2019112030 %J 计算机应用 %P 1932-1937 %V 40 %N 7 %X 车道线检测是智能驾驶系统的重要组成部分。传统车道线检测方法高度依赖手动选取特征,工作量大,在受到物体遮挡、光照变化和磨损等复杂场景的干扰时精度不高,因此设计一个鲁棒的检测算法面临着很大挑战。为了克服这些缺点,提出了一种基于深度学习实例分割方法的车道线检测模型。该模型基于改进的Mask R-CNN模型,首先利用实例分割模型对道路图像进行分割,提高车道特征信息的检测能力;然后使用聚类模型提取离散的车道线特征信息点;最后提出一种自适应拟合的方法,结合直线和多项式两种拟合方法对不同视野内的特征点进行拟合,生成最优车道线参数方程。实验结果表明,该方法提高了检测速度,在不同场景下都具有较好的检测精度,能够实现对各种复杂实际条件下的车道线信息的鲁棒提取。 %U http://www.joca.cn/CN/10.11772/j.issn.1001-9081.2019112030