基于语义分割的多类别地面交通标志识别

无人驾驶汽车的外界环境感知系统中对地面交通标志的识别模型少,地面交通标志误分割和分割不完整,对此提出了轻量级的多类别地面交通标志分割模型。主干网络由多分支结构的重参数Vgg模块(RepVGG Block)组成,增加模型的特征表达能力,避免模型训练时的梯度消失。设计了具有倒残差结构的条形特征提取单元(IDAB Module)用于条形特征的提取,并将模块进行了串联组合,对每个单元中的卷积设置不同的空洞率,以此扩大模块中特征图的感受野,充分利用上下文信息;同时利用非对称卷积更好地提取交通标志的长条形状特征。采用地面交通标志数据集训练和测试地面交通标志分割模型,利用具有多分支结构的主干网络进行训练,测试时通过结构重参数化方法,将多分支结构融合为单路结构,以加快模型的推理速度。实验结果表明,以2 300×600大小的图像为输入,模型的测试精度mIoU最高可达到79.7%,并且有效改善了地面交通标志分割不完整和误分割的问题。