基于改进SCNN网络的车道线检测算法OACSTPCD

车道线检测是车道保持系统、车道偏离告警系统的实现前提。为了进一步提升检测的精度,本文将深度学习与车道线检测结合提出一种融合改进的SCNN车道线识别算法。该方法以改进的SCNN网络为基础,引入PSA注意力模块,并将其与VGG(Visual Geometry Group)网络相结合提出融合上下文信息的车道线识别网络VGG-K,帮助每层中行和列像素之间进行消息传递,增强其对连续变换目标的识别能力,然后利用二次曲线模型拟合得到最终的车道线检测结果。将改进的模型在CULane数据集上进行测试,结果表明:该方法在正常场景下的综合评价指标F1数值达到92.1,恶劣场景下的数值达到75.3,与其他模型对比可知,本文算法检测能力显著提升,对于多种复杂状况下的车道线具有更好的识别效果。