基于MFD-FCN的车道线检测方法

作者：何宏; 刘敖; 邱佳; 朱子锐

来源：湖南工程学院学报(自然科学版), 2022, 32(02): 48-53.

DOI：10.15987/j.cnki.hgbjbz.2022.02.005

• 车道线检测
• 深度学习
• 多尺度特征密集融合
• 图像分割

针对全卷积神经网络（Fully Convolutional Network,FCN）在复杂环境下对车道线的分割效果不够理想的问题，提出一种改进FCN的方法，通过构建一个基于深度学习的编码解码（Encode-to-Decode）结构网络MFD-FCN实现对车道线图像的分割.编码结构引入高分辨率网络模型，用以获取多分辨率特征；解码结构设计了多尺度特征密集融合模块（Multi-Scale Feature Density Fusion module,MSFDF module），强化特征表达，实现对车道线图像的细腻分割.在CULane数据集上进行实验，实验结果表明，MFD-FCN的ACC指标和MIoU指标分别达到97%和72.5%，相比于传统FCN具有更精细的分割效果，且体现出了更强的鲁棒性.

• 单位
  湖南工程学院