《表3 不同算法的检测结果》
另外,本文方案还与文献[7]、文献[10]中车道线进行实验比较,见表3。从表3中可以看出来,本文方法取得了优异的准确率,同时相对文献[10]方法,可以减少8.7%的漏检,漏检率仅为2.9%。原因在于基于Haar特征级联能够更好的对车道线表达,从而实现更准确的车道线分类。在处理速度上虽然不及文献[10]中的方法速度。这可能是硬件平台不同的问题。此外,实例测试结果如图7和图8所示。由图发现,本文的方案可适应于虚线、实线、直道和弯道等各种车道线模型,且在高光,可见度很低时,依然能有效检测,鲁棒性强。
图表编号 | XD00170297200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.16 |
作者 | 周宏宇、宋旭、刘国英 |
绘制单位 | 安阳师范学院计算机与信息工程学院、安阳师范学院计算机与信息工程学院、安阳师范学院计算机与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |