Devido à dificuldade de equilibrar a precisão e a velocidade de detecção nos algoritmos de detecção de faixa existentes em aplicações práticas, propõe-se um novo algoritmo de detecção de faixas baseado em plataforma embarcada ARM. Primeiramente, foi projetada uma rede leve de segmentação semântica, otimizando a estrutura SegNet com a adição de conexões de salto na primeira camada da rede, além de incluir um módulo de atenção por canal após cada dois convoluções, melhorando a velocidade de detecção enquanto garante a precisão. Em seguida, construiu-se um modelo de rastreamento de faixas baseado em filtro de Kalman para aumentar a robustez na detecção em fluxo de vídeo. Posteriormente, o codificador foi reconstruído para tornar o modelo mais leve, utilizando convoluções separáveis em profundidade para substituir as convoluções tradicionais, reduzindo o custo computacional e aumentando a velocidade. Por fim, utilizou-se o TensorRT para acelerar a inferência e gerar um modelo Trt, facilitando seu deploy na plataforma embarcada ARM para realizar a detecção de faixa em tempo real. Os resultados experimentais no conjunto de dados expandido Tusimple, auto produzido, mostram que o algoritmo proposto pode lidar com vários cenários de trânsito complexos, alcançando uma precisão de detecção de 98,03%, superior a outros algoritmos, e uma velocidade de detecção de 50 FPS, atendendo aos requisitos de detecção em tempo real. Este algoritmo possui alta robustez e boa capacidade em tempo real em cenários de trânsito complexos, com certo valor teórico e prático.

Detecção de faixas;segmentação semântica;convolução separável em profundidade;aceleração TensorRT;plataforma embarcada ARM