基于ECBAM_ASPP模型的车道检测
Xiang Gu1, Qiwei Huang2, Chaonan Du1
1School of Artificial Intelligence and Computer Science, Nantong University, Nantong 226019, China.
Sensors (Basel, Switzerland)
|January 8, 2025
概括
本研究介绍了ECBAM_ASPP模型,用于更快,更准确的自动驾驶车道检测. 该模型增强了功能学习和多尺度提取,以提高实时性能和安全性.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 自主系统 自主系统
背景情况:
- 准确高效的车道检测对于自动驾驶的安全性和性能至关重要.
- 实时处理需要高的检测速度和准确性.
- 现有的方法在平衡速度和精度方面面临挑战.
研究的目的:
- 为自动驾驶提出一个高效和准确的车道检测模型.
- 增强特征提取和多尺度分析,以改善车道识别.
- 为满足自动驾驶汽车系统实时性能需求.
主要方法:
- 集成高效的卷积块注意模块 (ECBAM) 与空心空间金字塔聚合 (ASPP).
- 对于高效的功能通道学习和本地交互,ECBAM使用动态卷积内核.
- 通过可变输入采样,ASPP可以实现多尺度的特征提取.
主要成果:
- 该ECBAM_ASPP模型显著提高了车道检测的实时性能.
- 保持了高的检测准确性,超过了基线方法.
- 在TuSimple和CULane数据集上的实验验证证证了卓越的稳定性和实用性.
结论:
- 拟议的ECBAM_ASPP模型为自动驾驶中实时车道检测提供了一个强大的解决方案.
- 集成ECBAM和ASPP有效地提高了特征重点和多层次理解.
- 该模型在实际自主系统的速度和准确性方面取得了显著的进步.


