基于注意力机制的道路交通标线检测算法研究

作     者：龚鹏飞 

作者单位：北方工业大学 

学位级别：硕士

导师姓名：何忠贺;李宏峰

授予年度：2024年

学科分类：08[工学] 082304[工学-载运工具运用工程] 080203[工学-机械设计及理论] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

主      题：车道线检测 车道线细粒度属性 道路交通标线检测 注意力机制 完备属性交通标线数据集 

摘      要：道路交通标线检测作为车辆环境感知任务中不可或缺的一环,对车辆正确理解当前交通态势具有至关重要的作用。通过高效、精准地识别道路上的各类标线,车辆能够获取丰富的环境信息,从而加深对当前交通状况的理解,为后续的决策控制与风险判断提供有力支持。然而,现有的交通标线检测算法仍存在一定的局限性。以车道线检测为例,当前的检测方法主要聚焦于车道线的位置信息检测,对每一个检测到的车道线实例仅进行整体的属性判断,缺乏对车道线属性更细粒度的动态检测。 为满足城市道路环境下车辆对车道线动态属性及更完善道路交通标线检测的需求,本文以车道线检测方法为切入点,设计了快速准确的车道线及其细粒度属性检测算法,进而扩展到多类型的道路交通标线检测。本文主要工作内容如下: (1)提出了一种基于注意力引导的实时车道线检测网络。结合锚框回归的思路重新设计行分类车道线检测方法,减少由行分类期望位置计算引起的误差累积;根据车道线形状的先验特征设计了一种注意力模块,即行列引导模块,以解决遮挡等复杂情况下的车道线检测问题;为了进一步提升车道线检测的准确性,设计了一种对车道线特征敏感的蒸馏模块,辅助模型收敛。在CULane和Tu Simple数据集上的实验结果显示,相比于原方法,F1指标分别提高了6.0个百分点和1.19个百分点,达到了78.3%和97.32%,证明了该方法的准确性和有效性。 (2)设计了一种具备兼容性的车道线细粒度属性检测方法。本文通过像素级的属性序列点来描述车道线完整的属性分布;针对车道线细粒度属性检测的特性,设计了基于全局特征的车道线细粒度属性检测模块,通过上下文信息和残差连接的方式保证全局信息和局部细节的融合,从而准确进行车道线属性的动态检测。实验结果表明,该方法能与多种类型的车道线实例检测算法相结合,实现对车道线更完备信息的检测。此外,通过人工标注和智能化标注相结合的方式,构建了兼具车道线实例信息和细粒度属性信息的车道线数据集;设计了循环迭代的属性推理算法,以解决遮挡、破损等无视觉线索区域车道线属性标注困难的问题。 (3)设计了综合交通标线检测网络。首先以特征金字塔网络结构为主,构建了基于分割的交通标线检测模型;其次,使用空间注意力方法计算特征融合结构的权重系数,以替换传统的特征融合方式。同时设计了分割引导注意力模块,以增强图像前景区域的特征强度;最后在前述车道线检测方法的基础上,利用多分支网络构建了统一的综合交通标线检测模型。在本文构建的交通标线数据集上,车道线检测指标F1达到了96.32%,细粒度属性检测准确率达到了97.67%,交通标线分割检测指标MIo U达到了70.15%,实现了更加完善的道路交通标线检测与路权信息感知。 (4)本文在嵌入式实验平台进行了前述交通标线检测算法的部署实验分析,验证了其在计算资源受限的部署环境仍能保证较高的检测精度和检测速度。