基于全局特征构建与注意力引导融合的车道线检测算法研究

摘要

为充分利用车道线狭窄、细长且空间跨度大的形状先验信息，解决局部特征依赖与无视觉线索的难题，提出了一种基于全局特征构建和注意力引导特征融合的车道线检测模型GFSCNet。引入全局特征构建模块，通过空间注意力、通道注意力及全局上下文模块生成多尺度全局特征，扩大模型感受野；引入AFM模块，采用注意力引导方式融合全局语义与局部细节特征，提升特征表达能力；结合SCAM模块，通过多分支结构建模全局依赖关系，扩展锚点特征感受野，优化线锚回归精度。在TuSimple和CULane数据集上的实验表明，GFSCNet在复杂路况下的性能优于SCNN、RESA、UFLD、LaneATT等方法，其中在CULane数据集上F1得分达77.76%,在眩光、弯道等复杂场景表现出色。

关键词

车道线检测 / 全局特征 / 特征融合算法 / 空间注意力 / 通道注意力