基于高密度激光点云和深度学习的高速公路标线识别 |
| |
引用本文: | 吴泽群,曹猛,韩世超,王金.基于高密度激光点云和深度学习的高速公路标线识别[J].公路,2022(6):247-253. |
| |
作者姓名: | 吴泽群 曹猛 韩世超 王金 |
| |
作者单位: | 北京工业大学城市建设学部 |
| |
基金项目: | 国家自然科学基金,项目编号41801380; |
| |
摘 要: | 道路标线的自动识别是智慧城市建设中急需解决的重要难题,也是绘制高精地图及无人驾驶所需的核心技术。提出一种激光雷达数据环境下高速公路常见标线自动识别方法:基于端到端PointNet语义分割功能自动提取道路标线点云;采用体素降采样及半径式离群点剔除去除路面噪点;应用DGCNN自动区分典型交通标线(实线、长虚线、短虚线、箭头、导流带),实现道路标线识别。应用京承高速公路某段激光雷达数据测试验证。结果表明:道路标线分类准确率达到94.73%,F1达到74.18%,AUC达到0.98。证明了解决道路标线识别方法的可行性,为智能驾驶环境下道路标线的自动感知和识别提供了一种新的思路。
|
关 键 词: | 道路标线分类 PointNet 语义分割 点云去噪 DGCNN 点云分类 |
|
|