| LaneSegNet:一种高效的车道线检测方法 |
| |
| 作者姓名： | 胡序洋 高尚兵 汪长春 胡立伟 李少凡 |
| |
| 作者单位： | 淮阴工学院 计算机与软件工程学院/江苏省物联网移动互联网技术工程实验室, 淮安, 223001;昆明理工大学 交通工程学院, 昆明, 650093 |
| |
| 基金项目： | 国家重点研发计划(2018YFB10049 04) |
| |
| 摘 要： | 车道线检测在智能交通领域占有重要地位,其检测的准确度和速度对于辅助驾驶以及自动驾驶有重要影响.针对目前深度学习方法识别车道线精度差、速度慢的问题,提出了一种高效的车道线分割方法LaneSegNet.首先基于编码和解码网络原理构建主干网络Lane-Net,用于提取车道线特征信息并分割出车道线;然后使用多尺度空洞卷积特征融合网络,可以极大地扩充模型的感受野,提取全局特征信息;最后使用混合注意力网络获取丰富的车道线特征,并增强与当前任务相关的信息.实验结果表明：在TuSimple数据集上,该方法检测车道线的准确率为97.6%;在CULane数据集上,该方法在标准路面的检测准确率达到92.5%,多种路面综合检测准确率为75.2%.本文提出的LaneSegNet车道线检测方法分割精确度和推理速度优于其他对比模型,且具有更强的适应性和鲁棒性.
|
| 关 键 词： | 智能交通 车道线检测 空洞卷积 注意力机制 |
| 收稿时间： | 2021-10-26 |
|
| 点击此处可从《南京信息工程大学学报》浏览原始摘要信息 |
|
点击此处可从《南京信息工程大学学报》下载全文 |
|
