机构名称：
¥ 1.0
地址：巴基斯坦木尔坦电子邮件：imrankhurshid25@gmail.com摘要自动驾驶引起了人们的重大关注，因为它可以实时消除严重的驾驶风险。虽然自动驾驶汽车在很大程度上依赖传感器来进行车道检测，障碍物识别和环境意识，但由于诸如阴影，不良的车道标记和障碍物视图之类的因素，准确的车道识别仍然是持续的挑战。尽管计算机视觉的进展，但这个问题尚未完全解决，这在当前文献中存在差距。这项研究的主要目的是通过开发增强的车道检测系统来应对这些挑战。为了实现这一目标，该研究集成了先进的技术，包括语义分割，边缘检测和深度学习，再加上来自相机，激光雷达和雷达的多传感器数据融合。通过采用这种方法，该研究研究了各种泳道检测方法，并根据准确性，特异性和处理速度对现有系统的拟议模型进行了基准测试。初始发现表明，语义分割和多传感器融合的组合可改善实时场景中的车道检测。所提出的模型达到了97.8％的车道检测准确性，特异性为99.28％，平均处理时间为0.0047秒。本研究不仅解决了现有车道检测系统的局限性，而且还提供了改善自动驾驶汽车道路安全性的见解。关键字：车道检测，语义细分，边缘检测，自动驾驶汽车。
使用深度学习，语义
主要关键词
相关文件推荐
