典型文献
基于空间特征增强的车道线检测算法
文献摘要：
车道线检测是当前自动驾驶最具挑战性的任务之一.由于自动驾驶任务场景的复杂性,极易出现车道线模糊或被遮挡的情况.而目前的车道线检测算法在学习全局信息的能力上存在缺陷,同时缺少对道路场景与车道线之间关系的利用.针对上述问题,构建了空间特征信息增强网络(Spatial Feature Information Enhancement Network,SFE-Net),并提出了上下文信息感知模块(Context Perception Module,CPM),对CNN提取的特征进行上下文信息以及跨尺度信息的增强,补充了丰富的语境信息.基于此,提出了空间特征增强模块(Spatial Feature Enhancement Module,SPEM),对道路场景以及车道线进行关系建模,有效捕获跨行和列的空间关系,同时对每个通道上的权重进行显式建模,突出每个通道的重要程度.通过实验对比,结果表明该空间特征信息增强网络(SFE-Net)能实现特征的空间信息增强,提高车道线检测精度,在获得良好的性能同时,解决车道线遮挡性问题.
文献关键词：
自动驾驶;车道线检测;空间特征增强;上下文信息感知
中图分类号：
作者姓名：
向思佳;曾凯
作者机构：
昆明理工大学 信息工程与自动化学院,云南 昆明650504
文献出处：
引用格式：
[1]向思佳;曾凯-.基于空间特征增强的车道线检测算法)[J].通信技术,2022(07):865-870
A类：
上下文信息感知
B类：
空间特征增强,车道线检测,检测算法,自动驾驶,任务场景,线模,遮挡,全局信息,存在缺陷,道路场景,特征信息,Spatial,Feature,Information,Enhancement,Network,SFE,感知模块,Context,Perception,Module,CPM,跨尺度,尺度信息,特征增强模块,SPEM,关系建模,跨行,空间关系,显式,重要程度,实验对比,空间信息增强,高车,检测精度
AB值：
0.334087
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。
