基于曲率和边缘感知优化的自适应车道检测方法

本发明涉及一种基于曲率和边缘感知优化的自适应车道检测方法，属于自动驾驶技术领域。所述方法，通过引入自适应权重机制以增强多样场景适应性，融合Kolmogorov‑Arnold Networks (KAN) 卷积捕捉复杂几何特征，并结合曲率约束损失和边缘检测损失以更好地处理复杂的车道形状和边缘细节。通过这一系列改进，本发明实现了在速度与检测精度之间的良好平衡，使得车道线检测系统能够在资源受限的自动驾驶环境中高效、稳定地运行。为了验证所提出方法的有效性，本发明在CULane数据集上进行了广泛的实验。实验结果表明，本发明方法KAN‑Lane在弯道和遮挡场景下的F1‑score分别为82.08%和75.44%，显著提升检测精度与稳定性，优于CLRNet等主流算法，且保持了高效检测速度。KAN‑Lane为自动驾驶提供了更为可靠的车道检测方案。