| 基于多尺度特征图像分割的车道线提取方法 |
| |
| 引用本文： | 汪鹏飞,沈庆宏,张维利,董文杰,陈红梅.基于多尺度特征图像分割的车道线提取方法[J].南京大学学报(自然科学版),2022(2):336-344. |
| |
| 作者姓名： | 汪鹏飞 沈庆宏 张维利 董文杰 陈红梅 |
| |
| 作者单位： | 1. 南京大学电子科学与工程学院;2. 江苏金晓电子信息股份有限公司 |
| |
| 摘 要： | 识别与检测车道线作为自动驾驶感知周围环境的一环，为自主车辆在众多复杂场景中提供交通数据信息参考.为了提取车道线本身含有的交通语义信息，按照实际含义分为不同类别，提出一种多尺度分辨率特征的图像分割方法提取车道线，生成低分辨特征，同时保持高分辨尺度子网.针对卷积神经网络无法充分探索空间信息的局限，引入全自注意力网络结构改进下采样解码部分，将特征图通过嵌入向量映射完成线性采样，再经由全自注意力网络结构提取空间上下文语义信息，最后对图像进行降采样完成最终的下采样过程.利用滑窗多头注意力机制，解决嵌入向量映射层因划分造成边界上下文语义信息的不连续问题.针对改进的模型采用交并比损失函数进行优化，能够在保持精度的情况下正确识别相应类别，交并比和F1系数分别达到49.36%和63.02%.经实际测试，在遮挡、阴影等复杂场景下的车道线识别也能更加准确，具有更好的鲁棒性.
|
| 关 键 词： | 自动驾驶 车道线检测 多尺度分辨率 图像分割 |
|
|
