-
题名基于雾天退化图像的高速公路U形去雾车道线检测网络
- 1
-
-
作者
隋胜春
何永明
裴玉龙
张龙龙
金玉凤
-
机构
东北林业大学土木与交通学院
长沙理工大学极端环境绿色长寿道路工程全国重点实验室
-
出处
《交通运输工程学报》
北大核心
2025年第6期169-185,共17页
-
基金
黑龙江省自然科学基金项目(LH2023E011)
国家自然科学基金项目(52572369)
长沙理工大学极端环境绿色长寿道路工程全国重点实验室开放基金资助项目(kfj230105)。
-
文摘
提出了一种基于雾天退化图像的高速公路U形去雾车道线检测网络(UDLD-Net)框架,融合图像去雾增强与轻量化车道线检测两大核心模块;基于U-Net架构搭建了去雾增强模块UD-Net,创新性引入多尺度自适应提升解码器Boosting与反投影特征融合模块,通过分层特征提取机制实现大气光精准估计;结合车道线空间先验特性定义检索区域,构建了轻量级车道线检测网络(LD-Net),将计算量缩减至全图检测的1/2;通过特征翻转融合技术增强对称特征鲁棒性,引入二阶差分损失函数约束车道线曲率平滑性,搭配一维化特征处理与双损失函数设计。研究结果表明:用UD-Net去雾增强模块在SF-Highway数据集上测试,处理后图像结构相似性达0.867,峰值信噪比提升至21.527 dB,显著提升了雾天图像对比度与细节清晰度;LD-Net轻量级检测网络在TuSimple数据集上实现262帧·s^(-1)的检测速度与96.52%的F1分数,有效兼顾检测速度与精度;UDLD-Net在Haze-Highway真实雾天数据集上实现269帧·s^(-1)的检测速度与91.16%的F1分数,较传统语义分割方法精度提升5.8%、速度提升3.7倍;该网络在不同雾浓度场景下均能稳定保持高精度与高实时性,其去雾增强与轻量化检测的协同设计有效平衡了检测性能与计算效率;经大量试验数据测试验证,UDLD-Net在雾天车道线检测的精度和速度上均达到先进性能水平,可为雾天高速公路智能车辆环境感知提供高效可靠的车道线检测技术方案。
-
关键词
智能交通
车道线检测
雾天图像增强
U形去雾车道线检测网络
环境感知
智能车辆
-
Keywords
intelligent traffic
lane detection
foggy image enhancement
u-shape defogging lane detection network
environmental perception
intelligent vehicle
-
分类号
U491.52
[交通运输工程—交通运输规划与管理]
-
