+向他提问

自动驾驶环境传感器检测车道线的方法：

1、传感器技术，自动驾驶汽车上，前后左右装有认识周围环境、道路、交通状况的各种传感器。光学摄像头包括单摄像头、多摄像头，多普勒雷达包括短距离雷达、远距离雷达，还有激光雷达就是车顶上那个旋转的机器，GPS定位装置，等等，构成汽车认识环境的眼睛；

2、芯片技术，也就是能够处理多个传感器采集的数据，并能整合的类似小计算机的超级芯片，使汽车的“总计算机”体积、成本大为减小，并能应用于汽车成为可能。否则汽车里将没有人坐的地方、老百姓也买不起这些庞大计算机群的汽车；

3、操作系统，计算机控制系统将处理结果与操作硬件结合起来，实现加速减速、刹车停车、变向避让，以及人机对话等等。无人驾驶汽车具备了替代人工操纵的能力；

4、网络技术，无人驾驶汽车要能上路，必须具备与互联网、局域网联络和识别功能，包括车与车的联络对话、车与卫星通讯、车与天气预报的联络、车与交通指挥网的联络，才能正确识别和选择道路、正确服从交通警察的指挥、正确决定通过交叉路口、正确避让危险和安全行车。

+向他提问

一种方法是利用车道线的灰度特征获取车道线候选区域，利用CNN（Convolutional Neural Networks）进行车道线与非车道线的分类；另一种方法是基于目标检测网络R-FCN（Region-based Fully Convolutional Networks）检测车道线，车道线的定位与分类全部由R-FCN网络完成。建立了理想和非理想条件的6个测试数据集，实验结果表明，基于R-FCN网络的车道线检测方法达到了更高的召回率和准确率，平均为97.1833%和93.8317%。

+向他提问

传统的车道线检测方法主要基于边缘特征检测或者图像分割，易受到光照变化、行驶车辆、道路破损等干扰，导致算法鲁棒性下降，在不良天气和复杂环境下达不到所需的检测准确率。深度学习方法利用网络模型自动学习目标特征，具有较高的泛化能力，可以有效提高目标检测的准确率。