既存の車線検出アルゴリズムが実際の応用において検出精度と速度のバランスが難しい問題に対し、ARM組み込みプラットフォームに基づく新しい車線検出アルゴリズムを提案する。まず、軽量化されたセマンティックセグメンテーションネットワークを設計し、SegNet構造を最適化するとともにネットワークの第一層にスキップ接続を追加し、さらに2つの畳み込み層ごとにチャネルアテンションモジュールを導入して、検出精度を維持しつつ検出速度を向上させた。次に、カルマンフィルターを用いた車線追跡モデルを構築し、映像ストリーム中の検出の頑健性を向上させた。続いて、エンコーダを再構成してモデルの軽量化を行い、従来の畳み込みの代わりに深さ方向分離畳み込みを使用して計算コストを削減し、検出速度を向上させた。最後に、TensorRTを利用して推論を高速化し、Trtモデルを生成してARM組み込みプラットフォームでのリアルタイム車線検出の展開を容易にした。自作の拡張データセットTusimple上での実験結果は、提案アルゴリズムが様々な複雑な交通シーンに対応でき、検出精度は98.03％に達し他のアルゴリズムを上回り、検出速度は50 FPSに達してリアルタイム検出の要求を満たしていることを示した。本アルゴリズムは複雑な交通シーンにおいて高い頑健性と良好なリアルタイム性を持ち、一定の理論的価値と実用的価値を有する。

車線検出;セマンティックセグメンテーション;深さ方向分離畳み込み;TensorRT加速;ARM組み込みプラットフォーム