无人驾驶车辆基于语义分割方法障碍物检测

论文摘要

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。

论文目录

• 0 引言
• 1 相关工作
•   1.1 特征提取块
•   1.2 深度可分离卷积
•   1.3 膨胀卷积
• 2 语义分割模型结构
• 3 实验与结果分析
•   3.1 实验环境与数据集
•   3.2 模型训练
•   3.3 实验结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 邹斌,王思信,颜莉蓉,刘裕

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

来源: 广西大学学报(自然科学版) 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 汽车工业,计算机软件及计算机应用

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),汽车零部件技术湖北省协同创新中心

基金: 国家自然科学基金资助项目(61876137)

分类号: TP391.41;U463.6

DOI: 10.13624/j.cnki.issn.1001-7445.2019.1667

页码: 1667-1674

总页数: 8

文件大小: 2174K

下载量: 186