车道线检测，是智能驾驶、自动驾驶的技术基础，因为在完善这种技术的基础之上，更多的应用场景将被激发出来。能够想象到的，至少包括车道级导航、更加智能的驾驶决策预判甚至于未来的完全自动驾驶……目前，主要的车道识别技术主要包括基于视觉的车道识别以及基于激光雷达传感器的车道识别等。
日前，在智能驾驶和自动驾驶最高级别的行业会议IEEE智能汽车研讨会(IV2016)上，百度地图视觉算法研究团队带着自己的车道线监测技术成果参与了该会议，据悉，这是本年度IV会议上唯一一家参会图商。
复杂城市场景中的车道线提取，准确度95%以上
6月19日至22日，全球自动驾驶智能交通领域最高级别的行业会议——2016 IEEE智能汽车研讨会(IEEE Intelligent Vehicles Symposium 2016)在瑞典哥德堡举办。6月21日，百度地图团队携高精地图生产技术论文亮相，向来自各国的智能汽车行业的专家及学者展示了百度将人工智能技术应用于高精地图数据生产的创新思路及突破性进展。
百度研发人员在会上展示论文成果
百度地图团队此次入选的论文以视觉感知技术在高精地图数据生产的应用为研究主题，题目为“Accurate and Robust Lane Detection Based on Dual-View Convolutional Neural Network“，是此次会议中唯一以高精地图生产技术入选的论文。百度地图相关代表在大会的Vision Sensing and Perception(视觉感知)主题环节中进行了成果分享。该论文主要的研究对象是利用深度学习技术在复杂城市场景图像中提取车道线。
与以往在单一视图上进行车道线数据提取的传统研究思路不同，该论文将front-view和top-view图像相结合，设计了一套DVCNN深度神经网络框架。经过上百个城市街景数据的验证，该方法能够将自然场景中的车道线提取准确度提升到95%以上。
有了数据提取技术，怎么用？
高准确度的车道线提取技术一旦成型，能够为 ADAS、无人驾驶等多种应用场景提供技术支持。不过，百度还将这项技术应用在了一个特别的领域——高精度地图的制作生产。据百度提供的数据，目前，该项技术已经被应用于其生产高精地图的业务中，每台服务器每天可输出上百公里的车道线成果，精度误差控制在20cm以内。嵌入在高精度地图中的车道线数据，能为车道级导航和自动驾驶提供数据参考依据。
关于IEEE智能汽车研讨会(IV大会)
IEEE智能汽车研讨会由IEEE智能交通系统协会 (ITSS)主办，是自动驾驶和智能交通领域最权威国际会议之一，旨在为全球该领域相关的研究人员、工程师、学者提供当今最先进技术的交流研讨机会。根据大会官方统计，本次大会汇集了包括CMU、清华、上海交大、高通、戴姆勒、沃尔沃等在内的29个国家和地区的知名高校、学术机构以及硬件制造厂商，参会人数及投稿数量均创历史新高。
{{item.content}}