摘要
本发明涉及一种基于全局特征优化和形状特征感知聚合的车道线检测方法,属于自动驾驶技术领域。该方法提出一个融合了全局特征优化器(GFO)和自适应车道几何聚合器(ALGA)这两个核心组件的车道线检测模型,其通过全局特征优化器使得模型能够对图像中的局部和全局特征进行充分地融合,有效过滤不重要的信息,同时使用自适应车道几何聚合器来有效地利用好车道线特殊的形状先验信息,从而使模型能够有效地应对弯道和车道线缺失等复杂场景,有效地缓解了之前的方法中模型遇到复杂情况时性能下降的问题。
技术关键词
车道线检测方法
形状先验信息
注意力
因子
Sigmoid函数
通道
全局平均池化
锚点
自动驾驶技术
图像
优化器
特征金字塔
网络
分支
代表
元素
层级
语义
核心
系统为您推荐了相关专利信息
垃圾分拣方法
复合材料
卡尔曼滤波
协方差矩阵
神经网络模型构建
神经网络方法
LSTM模型
航天器
神经网络模型
轨道
滑坡预警方法
离子型稀土矿
颗粒离散元模型
三维地质模型
长短期记忆网络
表征系统
状态空间模型
水流
强化学习代理
清洗效能