科研之友
微信
新浪微博
Facebook
分享链接
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。
- 出版日期2023
- 单位西安石油大学
