《表1 不同车道线检测方法对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于无人机航拍图像的车道线检测方法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

Tabel 1 Comparison of different lane detection methods

基于图像分割的方法在无人机载车道线检测技术中应用较多，检测精度较高。但该方法依赖于前期数据集的准备，因此存在的问题是已有数据集容量不够大、场景相对单一。目前国内外公开的车道线数据集主要集中于车辆自动驾驶和遥感图像领域，常见的数据集有：Kestur等[33]建立的无人机航拍图像数据集、AerialLanes18 Data Set[34]、加州理工视觉实验室的开放数据库[35]等。公开的航拍车道线数据集较少，一方面由于车道线检测技术具有一定商用性，各团队很少公开已标注的数据集，另一方面公开的数据集往往针对单一场景下的相应问题，数据量有限。特别是针对无人机任务场景，公开数据集更少，且数据集容量均相对较小。这主要是由于：1.面向无人机的车道线检测技术研究相对较少，现有技术更集中于针对高空无人机遥感图像进行道路信息的提取，少有面向低空无人机的航拍图像数据；2.数据集采集相对困难，深度学习要求数据集样本具有一定的差异性，而对于航拍道路图像，同一路段的数据样本具有高的相似性，极易出现数据冗余的情况。数据集的相对缺失是该方法存在的主要问题。同时该方法对板载计算机性能要求较高，单张图片检测速度大约为100ms，算法实时性较差。车道线的边缘特征检测方法对比如表1所示。