基于MFLD的车道线识别方法

摘要：

在无人驾驶领域中,车道线检测是一个至关重要且具挑战性的任务.传统的视觉车道线检测方法处理缓慢、操作复杂,需要人工干预,而基于深度学习的卷积神经网络方法能够有效地克服这些问题,为无人驾驶技术的进步提供了关键推动力.基于卷积神经网络进行车道线检测的方法有很多,近年来比较流行的方法中ultra fast lane detection(UFLD)算法在车道线检测方面取得较好的成果.文章以UFLD算法为基础,结合MobileNetV2和CBAM注意力机制,设计出了一种新的模型,命名为mobilenet-fast lane detection(MFLD),该模型在Tusimple检测准确度达到92.8％,相较于UFLD提高了2.3％,同时运行速度达到了 129 fps,在CULane数据集检测精度在不同场景下相较于UFLD提升了2.5％、2.5％、2.9％、1.8％、1.0％、2.5％、1.3％、5.1％、6.4％.

关键词：车道线检测、UFLD、注意力机制、深度学习

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2024-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：33-38,75