基于特征关联的车道线检测算法
王朝京1
刘彪1
刘国豪2
边浩毅3
1.北京交通大学 电气工程学院,北京 1000442.中国能源建设集团山西省电力勘测设计院有限公司,太原 0300003.浙江机电职业技术学院 智慧交通学院,杭州 310053
摘要：针对车道线检测任务中车道线细长且易被遮挡的特点,提出基于编码器解码器结构的实例分割网络——交叉卷积网络(Cross Convolution Net,C-Net),实现车道线的检测识别.首先,提出一种基于交叉卷积的特征关联机制,通过对下采样后的特征图进行连续两次的交叉卷积操作,建立单个特征点与全局特征之间的联系,增大特征图的感受野,以提高网络的推理能力.其次,采用5个双通道上采样模块对交叉卷积后的特征图进行上采样,得到车道线实例分割结果.最后,在Tusimple数据集上对网络进行训练与对比实验.研究结果表明:C-Net的准确率能够达到96.52%,且误检、漏检率较低,具有良好的车道线检测能力.
关键词：深度学习卷积神经网络车道线检测交叉卷积
分类号：TP18(自动化基础理论)U461.99(汽车工程)
论文发表日期：2023-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 34-39 )
英文信息