| 无人驾驶车辆基于语义分割方法障碍物检测 |
| |
| 作者姓名： | 邹斌 王思信 颜莉蓉 刘裕 |
| |
| 作者单位： | 现代汽车零部件技术湖北省重点实验室(武汉理工大学),湖北 武汉 430070;汽车零部件技术湖北省协同创新中心,湖北 武汉 430070;现代汽车零部件技术湖北省重点实验室(武汉理工大学),湖北 武汉 430070;汽车零部件技术湖北省协同创新中心,湖北 武汉 430070;现代汽车零部件技术湖北省重点实验室(武汉理工大学),湖北 武汉 430070;汽车零部件技术湖北省协同创新中心,湖北 武汉 430070;现代汽车零部件技术湖北省重点实验室(武汉理工大学),湖北 武汉 430070;汽车零部件技术湖北省协同创新中心,湖北 武汉 430070 |
| |
| 摘 要： | 障碍物检测是无人驾驶车辆环境感知重要的组成部分,语义分割技术能够对障碍物进行像素级检测。为满足无人车系统的实时性要求和对障碍物检测精度要求,提出了一种轻量级语义分割模型。该模型构建了特征提取块,通过跳跃层结构将底层级特征与高层级特征相融合,用于提取更加细化的图像特征信息。运用深度可分离卷积代替标准卷积操作,减少了模型参数量和计算量。利用不同膨胀率的膨胀卷积以获取多尺度目标信息,在上采样时融合不同尺度的特征信息,使得语义信息更加丰富。试验结果表明:提出的轻量级语义分割模型在Cityscapes数据集和ApolloScape数据集上取得了较好的障碍物检测结果,同时也满足无人车的实时性要求。
|
| 关 键 词： | 障碍物检测 深度学习 语义分割 膨胀卷积 深度可分离卷积 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
