基于深度学习的车道线检测方法研究开题报告

全文总字数：6441字

1. 研究目的与意义（文献综述）

目前，道路交通正随着城市化和工业化的发展而飞速发展。道路交通的发展为人们日常生活中的出行提供了极大的便利，有效改善了人们的生活质量，但随之带来的负面影响使得交通事故频发，汽车的驾驶安全问题已然成为全球性必然存在的关注主题。据公安部交管局2019年6月公布的数据，全国机动车保有量达3.4亿，其中汽车占2.5亿。

据悉，各类交通事故中超过九成的事故是由于人为因素所导致的，而自动驾驶作为一种缓解甚至解决驾驶安全问题的重要手段，日益受到人们的关注。车道线检测是自动驾驶环境感知中的重要一环，因此，汽车高级驾驶辅助系统adas（advanced driver assistance systems）应运而生。它作为智能化车辆系统 ivs（intelligent vehicle system）的关键组成，能够有效地提高汽车主动安全性能，提升智能化水平。而车道保持系统（lanechange dssistance）和车道偏移报警系统ldws（ lane departure warning system）是adas系统的重要组成部分，能够对车道线进行实时检测。其中，车道保持系统会实时持续监测车辆相对于道路标线的位置，车道偏移报警系统会在车辆偏离当前行驶车道时发出警告，可有效降低交通事故发生率，实现道路交通事故中的人员伤亡比例的有效减少。

目前车道线检测的方法主要有三种，主要分为：基于激光雷达的方法、基于gps及高精度地图的方法、基于视觉传感器的方法。其中基于激光雷达的方法多是采用车道线的反射值进行检测，但这类方法对车道线的粉刷材质要求比较高，当车道线出现磨损或褪色时，算法检测效果较差；基于gps及高精度地图的方法依靠gps及高精度地图确认车辆的位置，从而检测车道线，但这类方法易受外界电磁干扰，信号不稳定，城区工况下精度低误差大。相比上述两种方法，视觉传感器获得的图像可以更有效的表达车道线的二维特征，并且视觉传感器造价低、性价比高。

2. 研究的基本内容与方案

2.1本次毕业设计的主要任务内容有：

1)了解、调研车道线检测的方法理论、研究成果。

2)熟悉现有的深度学习框架，选择一个进行车道线检测实验。

3)重现2-3个基于经典方法或深度学习方法的车道线检测方向并进行数据分析。

3. 研究计划与安排

1)～2)（7 学期第19-20周） 确定毕业设计选题、完善毕业设计任务书(相关参数)、校内外资料收集

3)（8 学期第1周） 方案构思、文献检索、完成开题报告

4)～5)（8学期第2-3周） 外文翻译、资料再收集

6)～8)（8学期第4-6周） 设计计算、草图绘制（开题答辩）

4. 参考文献（12篇以上）

1)台啟龙，基于机器视觉的复杂环境车道线检测算法研究[d].华南理工大学.2019.4

2)李松泽，基于深度学习的车道线检测系统的设计与实现[d].哈尔滨工业大学.2016.6

3)袁枫，基于卷积神经网络的车道线检测算法研究[d].北京交通大学.2019.5