메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Muhammad Ishfaq Hussain (Gwangju Institute of Science and Technology) Muhammad Aasim Rafique (King Faisal University) Yeongmin Ko (Gwangju Institute of Science and Technology) Zafran Khan (Gwangju Institute of Science and Technology) Farrukh Olimov (Monitorapp) Zubia Naz (Gwangju Institute of Science and Technology) Jeongbae Kim (Pusan National University) Moongu Jeon (Gwangju Institute of Science and Technology)
저널정보
제어로봇시스템학회 제어로봇시스템학회 국제학술대회 논문집 ICCAS 2023
발행연도
2023.10
수록면
899 - 904 (6page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Lane detection in all weather conditions is a pressing necessity for autonomous driving. Accurate lane detection ensures the safe operation of autonomous vehicles, enabling advanced driver assistance systems to effectively track and maintain the vehicle within the lanes. Traditional lane detection techniques heavily rely on a single image frame captured by the camera, posing limitations. Moreover, these conventional methods demand a constant stream of pristine images for uninterrupted lane detection, resulting in degraded performance when faced with challenges such as low brightness, shadows, occlusions, and deteriorating environmental conditions. Recognizing that continuous sequence patterns on the road represent lanes, our approach leverages a sequential model to process multiple images for lane detection. In this study, we propose a deep neural network model to extract crucial lane information from a sequence of images. Our model adopts a convolutional neural network in an encoder/decoder architecture and incorporates an extended short-term memory model for sequential feature extraction. We evaluate the performance of our proposed model using the TuSimple and CuLane datasets, showcasing its superiority across various lane detection scenarios. Comparative analysis with state-of-the-art lane detection methods further substantiates our model’s effectiveness.
#Convolutional LSTM #Encoder and Decoder Network #TuSimple #Autonomous Driving and Robotics

목차

Abstract
1. INTRODUCTION
2. RELATEDWORK
3. PROPOSED METHODOLOGY
4. IMPLEMENTATION AND RESULTS
5. CONCLUSIONS
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088265092