【技术实现步骤摘要】
本专利技术涉及自动驾驶的，尤其涉及一种基于深度学习的乡村环境下可驾驶区域识别的方法。
技术介绍
1、可驾驶区域划分是安全通过越野环境的先决条件。其目标是分割自动驾驶车辆可进入的路面，以协助进行自动驾驶的路线规划任务。道路分割通常依靠搭载的传感器来收集不同场景的道路图像数据，对图像的每个像素进行分类预测。由于道路场景的复杂性和多样性，以及天气和光照条件等其他外部因素，会导致传感器得到的图像质量有所不稳定。且与城市道路相比，乡村道路往往缺乏车道辅助标记和清晰的道路结构。因此，有必要将重点放在为自动驾驶识别乡村环境中的可驾驶区域上。
2、基于上述情况，如何采取有效的方法准确判断出乡村环境下的可驾驶区域，减小图像质量等问题对识别可驾驶区域准确性的干扰，是亟待解决的技术问题。
技术实现思路
1、本专利技术提供了一种基于深度学习的乡村环境下可驾驶区域识别的方法，用于解决在乡村道路环境下，道路结构不清晰对道路识别算法造成的干扰的问题，以及实现在不同光线天气下都能比较稳定地识别的道路中的可驾驶...
【技术保护点】
1.一种基于深度学习的乡村环境下可驾驶区域识别的方法，其特征在于包括如下步骤：
2.根据权利要求1所述的基于深度学习的乡村环境下可驾驶区域识别的方法，其特征在于在步骤S1中对原始图像进行随机旋转、裁剪、归一化预处理；
3.根据权利要求2所述的基于深度学习的乡村环境下可驾驶区域识别的方法，其特征在于在步骤S2中，获取训练完成的深度学习语义分割网络模型包括：
4.根据权利要求3所述的基于深度学习的乡村环境下可驾驶区域识别的方法，其特征在于所述深度神经网络语义分割模型由以下三大模块构成：
5.根据权利要求4所述的基于深度学习的...
【技术特征摘要】
1.一种基于深度学习的乡村环境下可驾驶区域识别的方法，其特征在于包括如下步骤：
2.根据权利要求1所述的基于深度学习的乡村环境下可驾驶区域识别的方法，其特征在于在步骤s1中对原始图像进行随机旋转、裁剪、归一化预处理；
3.根据权利要求2所述的基于深度学习的乡村环境下可驾驶区域识别的方法，其特征在于在步骤s2中，获取训练完成的深度学习语义分割网络模型包括：
4.根据权利要求3所述的基于深度学习的乡村环境下可驾驶区域识别的方法，其特征在于所述深度神经网络语义分割模型由以下三大模块构成：...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。