科研之友
微信
新浪微博
Facebook
分享链接
摘要
为兼顾车道线检测的准确性与实时性,本文提出一种基于改进的DeeplabV3+模型的车道线检测方法。首先通过水平翻转、改变图像的亮度、饱和度等方法对车道线图像进行数据增广,加强模型对于眩光、车道线破损情况下长直型、大曲率车道线的泛化能力。其次将模型的主干网络更换为轻量级的MobilenetV2网络,提高模型训练速度,并依据车道线图像特点改进ASPP结构,合理设计组合多采样率空洞卷积,提高模型对边缘车道线及远处车道线的预测效果,利用深度可分离卷积,减少模型参数量。最后本文依据车道线图像特点提出了双注意力机制DAMM结构,通过合理分配注意力资源,提高模型分割能力。实验表明,改进的DeeplabV3+模型像素精度为99.35%,平均交并比为86.08%,单图预测时间为22.62ms,说明改进DeeplabV3+模型兼顾准确性和实时性。
- 单位
