带语义分割的轻量化车道线检测算法

作者：陈正斌; 叶东毅^*

来源：小型微型计算机系统, 2021, 42(09): 1877-1883.

• 车道线检测
• 语义分割
• 空洞空间金字塔池化
• 多尺度
• 全卷积神经网络
• 深度学习

为了解决在计算资源有限的车载嵌入式设备中车道线检测算法存在实时性差、精度不高的问题,提出了一种带语义分割的轻量化车道线检测算法(SegLaneNet).首先通过简化并联的空洞卷积支路,增加跳跃连接结构,提出新的空洞空间金字塔池化模块(ASPP-tiny);接着定义模型的多尺度输入、跳跃连接的浅层特征与深层特征融合、并联不同采样率的空洞卷积特征融合;再有对自编码器中的上采样与下采样卷积进行剪枝操作,提出一种新的轻量化全卷积语义分割算法SegLaneNet应用于车道线检测;最后与Baseline算法相比,本文的SegLaneNet算法在图森(TuSimple)车道线检测挑战数据集上测试的准确率提高了约2%,假正例(FP)减少了3%以上,假负例(FN)减少了约2%.在GPU服务器上测试运行速度达165帧/秒(FPS),同时在嵌入式设备中运算速度达到16帧/秒(FPS).测试结果表明带语义分割的轻量化车道线检测算法能够满足车载嵌入式设备实时、准确的车道线检测工作.