复杂路况下的车道线高精度检测方法

来源：计算机工程与应用杂志2025年第15期北京时间：

作者：李超, 唐雅琪, 彭琴

单位：1.湖北工业大学 计算机学院，武汉 430072；2.中国标准化研究院，北京 100191

摘要：复杂路况下的大雾、强光或无视觉线索使得车道线检测的可用信息十分有限，导致车道线的检测精度不高。针对该问题，在一种基于分割+分类的检测模型上提出一种新的车道线检测方法DrfLane（DCNV3+RT-DETR+FocalDiceLoss Lane）。在残差网络的特征提取模块中引入动态卷积，使网络能够根据不同特征动态调整卷积核的形状，增强模型在不同场景下的适应能力。在此基础上对残差网络的输出特征进行多尺度特征融合，使得模型能够同时捕捉到更多局部细节和全局结构，以提升模型对不同尺度车道线的感知能力，从而提高预测精度。此外，针对传统方法在检测过程中未能考虑到车道线的细长结构进而导致正负样本不均衡，通过建立FocalDiceLoss解决样本类别不平衡和难易样本问题。将该方法与目前先进的车道线检测算法在大型复杂路况数据集CULane上进行了实验对比，结果表明该方法在检测精度方面比其他优秀方法均有提升，验证了所提方法对车道线检测的准确性和有效性。

关键词：车道线检测,动态卷积,多尺度融合,结构损失,锚点