基于L-junction特征的路面箭頭標(biāo)記檢測(cè)和識(shí)別.pdf

1、隨著智能汽車的發(fā)展，自動(dòng)駕駛技術(shù)受到廣泛的關(guān)注，其中感知周圍環(huán)境和路面信息是自動(dòng)駕駛技術(shù)關(guān)鍵的部分。路面箭頭標(biāo)記作為自動(dòng)駕駛系統(tǒng)感知信息的重要部分，實(shí)現(xiàn)對(duì)它的智能檢測(cè)和識(shí)別具有重要的意義。由于箭頭檢測(cè)過程中經(jīng)常受到箭頭標(biāo)記自身磨損、外界多種非箭頭標(biāo)記等因素的干擾，對(duì)它的檢測(cè)和識(shí)別往往不能達(dá)到滿意的效果。本文針對(duì)箭頭路面標(biāo)記的檢測(cè)和識(shí)別進(jìn)行了有效的研究。
　　本文基于L-junction結(jié)構(gòu)將路面上的箭頭標(biāo)記用多個(gè)L-junctio

2、n構(gòu)成的L-junction鏈描述，使干擾因素對(duì)檢測(cè)的影響轉(zhuǎn)化為L-junction偏差。然后提出了三種編碼方法將L-junction鏈編碼為字符串，將一定偏差范圍內(nèi)的L-junction編碼為同一個(gè)字符碼，提高檢測(cè)模型對(duì)磨損箭頭標(biāo)記的包容性;同時(shí)運(yùn)用箭頭標(biāo)記上L-junction的角度和拓?fù)潢P(guān)系對(duì)檢測(cè)標(biāo)記設(shè)置條件，排除非箭頭標(biāo)記的干擾。為了判斷檢測(cè)標(biāo)記是否為箭頭標(biāo)記，本文提出了權(quán)重編輯距離算法。該算法對(duì)檢測(cè)標(biāo)記不同的偏差賦予不同的權(quán)重

3、，實(shí)現(xiàn)檢測(cè)標(biāo)記編碼字符串與標(biāo)準(zhǔn)箭頭標(biāo)記編碼字符串之間的相似性的計(jì)算，提高檢測(cè)模型檢測(cè)準(zhǔn)確率。
　　為了測(cè)試該模型的檢測(cè)效果，在北京五環(huán)高速公路上收集了三個(gè)路面圖像集:清晰箭頭標(biāo)記圖像集、磨損箭頭標(biāo)記圖像集、視頻圖像集。采用本文的檢測(cè)模型分別檢測(cè)三個(gè)圖像集中的圖像，并統(tǒng)計(jì)檢測(cè)的準(zhǔn)確率和召回率。為了更綜合地衡量本文模型的檢測(cè)效果，本文還運(yùn)用了深度學(xué)習(xí)模型:Boosting ConvolutionalDeep Neural Networ