一种自动驾驶车辆车道线识别方法技术

本发明专利技术公开了一种自动驾驶车辆车道线识别方法，包括：选取训练模型，获取数据，基于特征的迁移学习，将构建后的数据集送入Attention‑Unet神经网络进行训练，得到适用于所需场景车道线识别模型，模型结构，车道识别，迁移学习的加入，得到自动驾驶车辆车道所需运用场景下高精度的车道线识别结果，用于自动驾驶车辆车道线识别定位。本发明专利技术稳定性和识别精度高，模型在所需运用场景的表现能力好，提高鲁棒性，运用场景的少量数据集进行运用，达到识别精度高，同时又能降低数据集制作成本。

【技术实现步骤摘要】

本专利技术属于动驾驶，具体来说涉及一种自动驾驶车辆车道线识别方法。

技术介绍

1、自动驾驶车辆的定位能力是智能化技术的关键，能够确保在各种交通环境中实现精准定位。目前，价格昂贵的定位设备(如毫米波激光雷达)逐渐进入自动驾驶领域，由于需要大量的数据集支撑，算法复杂，导致成本高，限制了技术的普及，现有技术；1.基于传统opencv和机器学习的传统车道线识别算法，由于对复杂环境的处理能力较差，导致稳定性和识别精度较差，存在误识别或识别不到的情况，无法很好的满足自动驾驶对安全性的要求；2.基于单一深度学习的车道线识别算法欠缺需求场景的泛化能力，导致鲁棒性较差的问题；3.基于深度学习的车道线识别算法需要大量的数据集支撑，对于大部分运用场景很难获取大量的数据集进行训练，且获取大量数据集成本较高，影响深度学习算法在对应实用场景下的效果。

技术实现思路

1、本专利技术的目的在于克服上述缺点而提供的一种稳定性和识别精度高，模型在所需运用场景的表现能力好，提高鲁棒性，运用场景的少量数据集进行运用，达到识别精度高，同时又能降低数据本文档来自技高网...

【技术保护点】

1.一种自动驾驶车辆车道线识别方法，其特征在于；包括以下步骤：

2.如权利1所述的一种自动驾驶车辆车道线识别方法，其特征在于；所述Maximum MeanDifference, MMD算法，是采用的领域自适应度量方式为最大均值差异，用来衡量两个域数据分布之间的差异，通过核函数将两个域的数据样本都映射到一个新的特征空间H，称为再生核希尔伯特空间 RKHS，再利用欧氏距离计算两个域在新特征空间中的特征距离。

【技术特征摘要】

1.一种自动驾驶车辆车道线识别方法，其特征在于；包括以下步骤：

2.如权利1所述的一种自动驾驶车辆车道线识别方法，其特征在于；所述maximum meandifference, mmd算法，是采用的...

【专利技术属性】
技术研发人员：石学文，李远先，陈泰雷，严璐晗，
申请(专利权)人：贵州车联邦网络科技有限公司，
类型：发明
国别省市：