基于多特征逐尺度回归的车道线检测模型
来源：中国血液净化杂志2025年第6期北京时间：
作者：辛琪, 齐嘉乐, 荚胜琪, 王畅, 牛世峰
单位：长安大学 汽车学院，陕西 西安 710021
摘要：<p>基于单一特征层的车道线检测模型存在车道线识别和定位不平衡等问题，特别是当车道线遮挡、光照条件差时识别和定位难，严重制约驾驶辅助或自动驾驶系统的环境理解力提升。为此，提出一种基于多特征逐尺度回归的车道线检测模型。该模型首先使用联合注意力机制获取包含全局和局部上下文信息的车道线特征，用于增强车道线表示，提高模型在车道线遮挡、光照条件差时的适应性。其次利用不同特征层的尺度信息，基于线形锚信息并按照尺度由大到小逐层回归车道线，提高车道线定位精度。此外，为提高线形锚的质量和泛化性，将线形锚扩增为模型训练参数进行更新优化。同时，在IOU计算中引入局部倾斜角，增强车道线形状约束。最后采用多任务学习机制，自适应学习各损失权重，降低模型参数整定复杂度。测试结果表明：该模型可在实际道路复杂场景中有效检测车道线；且当主干网络为DL A34时，在CULane数据集上其F1值可达80.04%，检测速率可达128帧·s<sup>－1</sup>，优于Cond LaneNet、GANet和Lane2Seq等车道线检测模型。</p>
关键词：交通工程,车道线检测,多特征逐尺度回归,车道线,注意力机制
