本發(fā)明提供了一種基于強化學習和標志點表征的車道線檢測定位方法。首先,利用Faster RCNN神經(jīng)網(wǎng)絡(luò)檢測得到車道線邊界框,并基于邊界框定義車道線類別,使用特定數(shù)量的標志點來進一步描述邊界框內(nèi)的車道線形狀特征,并使用初步檢測出的邊界框來初始化所有的標志點;然后,使用基于深度強化學習的車道線標志點定位模塊依據(jù)當前場景的實時狀況來逐個移動初始化的標志點,直至系統(tǒng)判定所有標志點都被移動到合適的位置,得到最終的車道線檢測定位結(jié)果。本發(fā)明能夠兼顧檢測結(jié)果的精準度與檢測方法的復雜度,達到計算量與表征精度的平衡,有效提升車道線檢測的精度和效率。
聲明:
“基于強化學習和標志點表征的車道線檢測定位方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)