基于DSA-UFLD模型的车道线检测算法

作     者：程国建 冯亭亭 CHENG Guojian;FENG Tingting

作者机构：西安石油大学计算机学院西安710065 

基　　金：国家青年科学基金项目(62002286) 

出 版 物：《智能计算机与应用》 (Intelligent Computer and Applications)

年 卷 期：2023年第13卷第3期

页      码：182-187页

摘      要：车道线检测是保证自动驾驶安全性与稳定性的关键,为提高车道线检测的准确性,本文基于UFLD(Ultra Fast Structure-aware Deep Lane Detection)算法,结合DenseNet-121网络和空间注意力(Spatial Attention)机制,设计了一种DSA-UFLD模型实现车道线检测。在图像增强方面,使用图像亮度自适应增强算法提高欠曝图像的清晰度;在网络优化方面,用迁移学习模型DenseNet-121代替ResNet18提取图像特征,利用密集连接加强特征重用,并引入空间注意力机制提取图像的关键信息,其次在上采样中用转置卷积代替双线性插值,通过学习参数,更好地实现解码;在损失函数方面,通过改进结构损失,将车道线约束为二次曲线,改善了弯道场景下车道线的检测效果。实验结果表明,DSA-UFLD算法在保证检测速度的同时,提高了车道线的识别准确率,具有一定的应用价值。

主 题 词：车道线检测 数据增强 DSA-UFLD网络 空间注意力 深度学习 

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：10.3969/j.issn.2095-2163.2023.03.030

馆 藏 号：203120981...