LaneSegNet:一种高效的车道线检测方法

来源：南京信息工程大学学报·自然科学版杂志2022年第5期北京时间：

作者：胡序洋，高尚兵，汪长春，胡立伟，李少凡

单位：胡序洋,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,高尚兵,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,luxiaofen_2002@126.com汪长春,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,胡立伟,昆明理工大学 交通工程学院, 昆明, 650093,李少凡,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

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

基金资助：国家重点研发计划(2018YFB10049 04)