典型文献
基于多尺度特征图像分割的车道线提取方法
文献摘要：
识别与检测车道线作为自动驾驶感知周围环境的一环,为自主车辆在众多复杂场景中提供交通数据信息参考.为了提取车道线本身含有的交通语义信息,按照实际含义分为不同类别,提出一种多尺度分辨率特征的图像分割方法提取车道线,生成低分辨特征,同时保持高分辨尺度子网.针对卷积神经网络无法充分探索空间信息的局限,引入全自注意力网络结构改进下采样解码部分,将特征图通过嵌入向量映射完成线性采样,再经由全自注意力网络结构提取空间上下文语义信息,最后对图像进行降采样完成最终的下采样过程.利用滑窗多头注意力机制,解决嵌入向量映射层因划分造成边界上下文语义信息的不连续问题.针对改进的模型采用交并比损失函数进行优化,能够在保持精度的情况下正确识别相应类别,交并比和F1系数分别达到49.36％和63.02％.经实际测试,在遮挡、阴影等复杂场景下的车道线识别也能更加准确,具有更好的鲁棒性.
文献关键词：
自动驾驶;车道线检测;多尺度分辨率;图像分割
中图分类号：
作者姓名：
汪鹏飞;沈庆宏;张维利;董文杰;陈红梅
作者机构：
南京大学电子科学与工程学院,南京,210023;江苏金晓电子信息股份有限公司,南京,210023
文献出处：
引用格式：
[1]汪鹏飞;沈庆宏;张维利;董文杰;陈红梅-.基于多尺度特征图像分割的车道线提取方法)[J].南京大学学报（自然科学版）,2022(02):336-344
A类：
多尺度分辨率
B类：
多尺度特征图,特征图像,图像分割,车道线提取,检测车,自动驾驶,周围环境,自主车辆,复杂场景,交通数据,语义信息,照实,分割方法,子网,空间信息,自注意力网络,结构改进,下采样,解码,嵌入向量,向量映射,再经,结构提取,空间上下文,上下文语义,降采样,滑窗,多头注意力机制,交并比损失,损失函数,实际测试,遮挡,阴影,车道线识别,车道线检测
AB值：
0.339239
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
