基于深度学习的车道线检测系统的设计与实现

《基于深度学习的车道线检测系统的设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文(工程硕士)基于深度学习的车道线检测系统的设计与实现THEDESIGNANDIMPLEMENTATIONOFTHELANEDETECTIONSYSTEMBASEDONDEEPLEARNING李松泽哈尔滨工业大学2016年6月国内图书分类号：TP311学校代码：10213国际图书分类号：621.3密级：公开工程硕士学位论文基于深度学习的车道线检测系统的设计与实现硕士研究生：李松泽导师：苏统华副教授副导师：易世春高级工程师申请学位：工程硕士学科：软件工程所在单位：软件学院答辩日期：2016年6月授予学位单位：哈尔滨

2、工业大学ClassifiedIndex:TP311U.D.C:621.3DissertationfortheMaster’sDegreeinEngineeringTHEDESIGNANDIMPLEMENTATIONOFTHELANEDETECTIONSYSTEMBASEDONDEEPLEARNINGCandidate：LiSongzeSupervisor：Prof.SuTonghuaAssociateSupervisor:SeniorEngineerYiShichunAcademicDegreeAppliedfor：Mas

3、terofEngineeringSpeciality：SoftwareEngineeringAffiliation：SchoolofSoftwareDateofDefence：June,2016Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要近年来，随着经济与科技的发展，人们的生活水平日益提高，城市交通不断完善，汽车数量明显增加，同时由汽车引发的各类交通安全事故也日益增加。为了提高汽车的安全性和减少交通事故，无人车的研发在这

4、个大环境下应运而生。车道线检测是无人车系统里感知模块的重要组成部分。利用视觉算法的车道线检测解决方案是一种较为常见解决方案。视觉检测方案主要基于图像算法，检测出图片中行车道路的车道线标志区域。高速公路上的车道线检测是一项具有挑战性的任务，由于车道线标志的种类繁多，车辆拥挤造成车道线标志区域被遮挡，车道线可能有腐蚀磨损的情况，以及天气等因素都能给车道线检测任务带来不小的挑战。过去，大部分车道线检测算法基本是通过卷积滤波方法，识别分割出车道线区域，然后结合霍夫变换、RANSAC等算法进行车道线检测，这类算法需要人工手动去调滤波

5、算子，根据算法所针对的街道场景特点手动调节参数，工作量大且鲁棒性较差，当行车环境出现明显变化时，车道线的检测效果不佳。本文基于传统车道线检测算法，结合深度学习技术，提出了一种使用深度神经网络，代替传统算法中手动调滤波算子，对高速公路上的车道线进行Instance级别的分割，分割得到每条车道线区域的像素信息，然后使用最小二乘法对车道线进行参数回归，反馈车道线参数方程。本文使用的神经网络为卷积神经网络，网络结构采用了Convolution与Deconvolution对称的结构设计，对行车图片中车道线区域进行语义分割。本文的车道

6、线检测系统开发语言主要为C++与Python语言，整体上分为车道线标注、车道线标注结果筛选、图像数据预处理、车道线分割模型训练、车道线检测以及结果显示等6个模块，此外，算法完成之后本文对不同的车道线图像分割模型进行了测试与比较，给出了一种适合无人车车载服务器配置的车道线检测方案。经过测试，本文所使用的卷积神经网络车道线分割方法更具普遍性，能够更好的适应各式各类的高速公路行车场景，算法在高速公路上的不同场景都取得了较高的车道线检测效果，无论是直线、弯曲道路，逆光场景、车辆遮挡较多的场景，算法均能高效优质地分割识别出车道线，适

7、用场景广泛，鲁棒性强。关键词：深度学习；车道线检测；卷积神经网络；图像分割；无人车；-I-哈尔滨工业大学工程硕士学位论文AbstractInrecentyears,withthedevelopmentofeconomyandscienceandtechnology,people'slivingstandardsimprovealot.Astheurbantrafficbecomemoreconvenient,thenumberofcarsincreasingsharply,andthenumberoftrafficacci

8、dentscausedbythecarsisalsoincreasing.Inordertoimprovevehiclesafetyandreducingtrafficaccidents,automaticdrivingvehicleresearchanddevelopmentcameintobeing