ComputerEngineeringandApplications计算机工程与应用2023，59（13）随着传统汽车工业与人工智能技术的联系不断加深，交通行业正朝着智能化方向快速发展。车道线是体现道路交通规则的重要标志，在维护交通安全与稳定中扮演着至关重要的角色。车道检测是实现无人驾驶和辅助驾驶的基础任务之一，对于车辆后续实现的车道偏移预警和轨迹规划决策至关重要，因而设计快速准确且⦾图形图像处理⦾复杂场景中的快速车道线检测方法杜黎1，吕毅斌1，武德安2，罗雨欣11.昆明理工大学理学院，昆明6505002.电子科技大学数学科学学院，成都611731摘要：车道线检测是实现无人驾驶系统的一项重要任务。针对当前基于分割的检测方法实时性能不足的问题，提出了一种快速车道线检测方法FracLane。设计一种高效的特征提取模块，通过分形的思想构造基于聚合不同大小感受野的分形残差结构，更准确地提取车道特征。结合龙格-库塔法，使用可训练参数对分形残差结构的输出进行加权融合，构造能进一步提升网络性能的分形残差模块（FracRes）。在特征解码阶段引入一种基于行锚检测方法的车道位置预测模块（LPP），极大提高网络的检测速度。在包含多种交通场景的车道检测数据集TuSimple和CULane上进行的大量实验，结果表明，该方法在两个数据集上最高可获得97.26%的准确率和78.1的F1评分，在800×288的分辨率下，最高可获得206FPS的推理速度。与现有检测方法相比，该方法在检测精度与速度方面都有明显提高，达到实时检测任务的需求。关键词：车道线检测；行锚；分形残差；龙格-库塔；卷积神经网络文献标志码：A中图分类号：TP391.4doi：10.3778/j.issn.1002-8331.2212-0283FastLaneDetectionMethodinComplexScenariosDULi1,LYUYibin1,WUDean2,LUOYuxin11.FacultyofScience,KunmingUniversityofScienceandTechnology,Kunming650600,China2.SchoolofMathematicalSciences,UniversityofElectronicScienceandTechnologyofChina,Chengdu611731,ChinaAbstract：Lanedetectionisanessentialtaskofunmannedsystems.ThispaperproposesafastlanedetectionmethodFracLanetodealwiththeproblemoftheexistingsegmentation-basedlanedetectionmethodswithinsufficientreal-timeperformance.Firstly,anefficientfractalresidualstructurebasedonreceptivefieldsofdifferentsizesisdesigned,whichimprovesthelanefeatureextractioncapabilitybyintroducingtheideaoftheFractal.Then,combinedwithth...
