基于改进的DeeplabV3+模型的车道线检测方法

作     者：李景昂 马晨旭 韩永华 丁一凡 孙子昂 崔雨欣 余见楚 LI Jingang;MA Chenxu;HAN Yonghua;DING Yifan;SUN Ziang;CUI Yuxin;YU Jianchu

作者机构：浙江理工大学信息科学与工程学院浙江杭州310018 

基　　金：浙江省大学生科技创新活动计划暨新苗人才计划项目(2021R406035) 浙江省自然科学基金项目(LY17F0200) 浙江省一流课程建设项目(2020sylxx016) 浙江理工大学教学改革项目(kg201809) 浙江理工大学课程思政示范课程建设项目(sfkc202211) 

出 版 物：《软件》 (Software)

年 卷 期：2022年第43卷第12期

页      码：76-84页

摘      要：为兼顾车道线检测的准确性与实时性,本文提出一种基于改进的DeeplabV3+模型的车道线检测方法。首先通过水平翻转、改变图像的亮度、饱和度等方法对车道线图像进行数据增广,加强模型对于眩光、车道线破损情况下长直型、大曲率车道线的泛化能力。其次将模型的主干网络更换为轻量级的MobilenetV2网络,提高模型训练速度,并依据车道线图像特点改进ASPP结构,合理设计组合多采样率空洞卷积,提高模型对边缘车道线及远处车道线的预测效果,利用深度可分离卷积,减少模型参数量。最后本文依据车道线图像特点提出了双注意力机制DAMM结构,通过合理分配注意力资源,提高模型分割能力。实验表明,改进的DeeplabV3+模型像素精度为99.35%,平均交并比为86.08%,单图预测时间为22.62ms,说明改进DeeplabV3+模型兼顾准确性和实时性。

主 题 词：车道线检测 DeeplabV3+ ASPP 注意力机制 数据增广 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.3969/j.issn.1003-6970.2022.12.020

馆 藏 号：203118126...