基于HarDNet全卷积网络的道路路面语义分割方法

作     者：车满强 李树斌 李铭 CHE Manqiang;LI Shubin;LI Ming

作者机构：广州海格通信集团股份有限公司无人系统技术创新中心广州510700 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2021年第41卷第S2期

页      码：76-80页

摘      要：道路路面可行驶区域识别是无人驾驶环境感知的重要组成部分。针对计算资源有限的车载设备,设计了基于HarDNet全卷积网络的道路路面语义分割方法。首先,在U-Net语义分割框架中使用低内存消耗的HarDNet卷积神经网络结构提取卷积特征进行路面分割;其次,在模型训练时对图像标签进行权重增强,提升路面边缘分割精度;然后,针对国内道路特点,构建国内道路路面分割数据集;最后,使用基于像素的交叉熵函数和Softmax的损失函数,结合平移、形变、填充、灰度处理、"复制粘贴"的数据增强方法进行模型训练。在构造的国内道路数据集上进行算法测试,实验结果表明所提方法的平均交并比值为94.5,在AGX Xavier设备上运行速度为10.6帧/秒。在满足无人车计算力要求的前提下,尽可能提升了路面可行驶区域分割的精度。

主 题 词：路面 深度学习 语义分割 HarDNet 边线拟合 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.11772/j.issn.1001-9081.2021040539

馆 藏 号：203107281...