融合坐标注意力机制的车道线检测算法研究

车道线检测是智能驾驶中的一项关键技术,快速准确地检测出车道线位置对提升驾驶车辆的安全具有重要的意义。因此,提出改进的行方向位置分类车道线检测方法,在特征提取主干网络中融合了坐标注意力机制,增强特征图中的有效位置的权重,其次引入ELAN模块、MP下采样模块,提升模型特征提取的能力;在推理的时候利用结构重参数化的思想,将卷积和BN层融合,加快推理速度。为了验证改进模型的性能,将改进的模型在TuSimple和CULane两大经典车道线数据集上进行实验验证,检测的精度与原模型相比分别提升了0.09%和2.5%,验证了模型改进的有效性。