基于RGBD融合图像及改进U-net的轨道区域分割方法研究

作     者：黄心怡 张勇 HUANG Xinyi;ZHANG Yong

作者机构：中铁二院工程集团有限责任公司通信信号设计研究院成都610031 北京交通大学电子与通信工程系北京100091 

基　　金：国家自然科学基金项目(F030205) 

出 版 物：《铁路计算机应用》 (Railway Computer Application)

年 卷 期：2023年第32卷第7期

页      码：1-6页

摘      要：传统的轨道分割方法无法满足列车运行时对轨道区域感知的实时性和准确性要求。文章研究基于RGBD融合图像及改进U-net的轨道区域分割方法,将RGB图像与深度图像进行融合,获得RGBD融合图像,将其输入到改进后的U-net中,建立轨道区域分割模型。经实验验证,与仅输入RGB图像的U-net模型相比,轨道区域分割模型的F1值提升了约0.28,平均交并比提升了约0.1,像素准确率提升了0.0026,证明其对轨道区域分割的精确度更高,同时,验证了该模型的网络性能也得到了显著提升。

主 题 词：U-net 轨道分割 RGBD融合图像 深度图 卷积神经网络(CNN) 

学科分类：08[工学] 081203[081203] 0835[0835] 0814[工学-地质类] 082302[082302] 0823[工学-农业工程类] 082301[082301] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1005-8451.2023.07.01

馆 藏 号：203122675...