기존 차선 인식 알고리즘이 실제 응용에서 인식 정확도와 속도를 균형 있게 맞추기 어려운 문제를 해결하기 위해 ARM 임베디드 플랫폼 기반의 새로운 차선 인식 알고리즘을 제안한다. 먼저, 경량화된 시맨틱 세그멘테이션 네트워크를 설계하였으며, SegNet 구조를 최적화하는 동시에 네트워크 첫 번째 층에 스킵 연결을 추가하고, 두 개의 컨볼루션 층마다 채널 어텐션 모듈을 삽입하여 인식 정확도를 유지하면서 인식 속도를 향상시켰다. 다음으로, 칼만 필터 기반의 차선 추적 모델을 구축하여 비디오 스트림 내 인식의 강인성을 높였다. 이후, 인코더를 재구성하여 모델 경량화를 진행하였고, 전통적인 컨볼루션 대신 깊이별 분리 컨볼루션을 사용하여 계산 비용을 줄이고 인식 속도를 향상시켰다. 마지막으로, TensorRT를 활용하여 추론 속도를 가속화하고 Trt 모델을 생성하여 ARM 임베디드 플랫폼에서 실시간 차선 인식을 구현하기 용이하게 하였다. 자체 제작한 Tusimple 확장 데이터셋 실험 결과, 제안된 알고리즘이 다양한 복잡한 교통 상황에 대응 가능하며 인식 정확도는 98.03%에 달하고 타 알고리즘보다 우수하며, 인식 속도는 50 FPS에 달해 실시간 인식 요구를 충족함을 보였다. 본 알고리즘은 복잡한 교통 상황에서 높은 강인성과 우수한 실시간성을 가지며, 일정한 이론적 및 실용적 가치를 지닌다.

차선 인식;시맨틱 세그멘테이션;깊이별 분리 컨볼루션;TensorRT 가속;ARM 임베디드 플랫폼