LaneAr：基于编解码实例分割的车道线检测方法

车道线检测在自动驾驶中有着重要的作用。在对道路图像进行检测时，一般的编解码网络在进行图像分割的精度不高。构建一种LaneAr编解码体系结构的车道线检测算法，在编码器部分采用深层的残差结构与不同尺度的空洞卷积结合扩大感知域，同时利用批归一化BN(Batch Normalization)捕获到图像中的车道线语义信息，在获取到编码特征图时利用提出通道注意力机制增强语义特征提取效果，最后再通过多次上采样进行解码恢复到与输入图像相同的像素。实验表明，LaneAr模型在tusimple数据集进行车道线检测的实验其准确率能达到97.82%，同时对复杂场景下的道路环境的车道线检测效果也比较显著。该方法在进行车道线检测时的精度上优于现阶段的其他编解码方法。