面向自动驾驶的多任务环境感知算法

为了解决复杂驾驶场景下目标检测精度较低而难以满足自动驾驶需求的问题,提出一种基于YOLOP的高效网络模型MEPNet。MEPNet可同时处理车辆检测、可行驶区域分割和车道线检测三项任务。首先,采用YOLOv7作为主体结构平衡精度与实时性;其次,设计了FRFB模块增大感受野,以增强网络的特征提取能力;并且提出在检测网络的头部添加小目标检测层,有效减轻车辆遮挡和重叠现象对识别结果的干扰;最后使用CARAFE作为上采样算子,精准定位的轮廓的同时更好地保留图片的语义信息。实验表明,该算法推理速度达到42.5 fps,对比基线YOLOP,车辆检测的mAP50和Recall分别提升了6.8%和6.3%,车道线检测的准确率和IoU分别提升了6%和1%,可行驶区域分割的mIoU达到92.5%,大幅度提升了性能,并且进一步设计了MEPNet-s,实现了四任务目标检测,亦满足自动驾驶所需的准确性和实时性。