基于非对称卷积的多车道线检测方法

针对车道检测的准确性和实时性之间不平衡的问题，构建一个基于Lanenet算法和图像增强技术的多车道线检测网络，旨在更全面地利用图像中的特征信息，提高检测精度和速度。使用多尺度Retinex算法对输入图像进行色彩增强、降噪等；设计采用一种双边多尺度融合网络实现浅层特征与深层特征之间的信息交互，获取上下文语义。提出一个新的非对称卷积金字塔模块，将非对称卷积融合到不同扩张率的空洞卷积层中，提高网络的特征提取能力，减少计算量。实验结果表明，该方法与现有的深度学习算法相比，能够在遮挡和阴影条件下更有效地检测车道线，具有更高的精度，更低的误检率和漏检率。