Debido a la dificultad de equilibrar la precisión y la velocidad de detección en los algoritmos actuales de detección de líneas de carril en aplicaciones prácticas, se propone un nuevo algoritmo de detección de líneas de carril basado en una plataforma embebida ARM. Primero, se diseño una red ligera de segmentación semántica, optimizando la estructura SegNet añadiendo conexiones de salto en la primera capa de la red, y un módulo de atención de canales después de cada dos capas convolucionales, mejorando la velocidad de detección mientras se garantiza la precisión. Luego, se construyó un modelo de seguimiento de líneas de carril con filtro de Kalman para aumentar la robustez en la detección dentro del flujo de video. Después, se reconstruyó el codificador para aligerar el modelo, utilizando convoluciones separables en profundidad en lugar de convoluciones tradicionales para reducir el costo computacional y mejorar la velocidad. Finalmente, se utilizó TensorRT para acelerar la inferencia y generar un modelo Trt que facilita su despliegue en la plataforma embebida ARM para detección de líneas de carril en tiempo real. Los resultados experimentales en el conjunto de datos ampliado autoproducido Tusimple muestran que el algoritmo propuesto puede manejar diversos escenarios complejos de tráfico con una precisión de detección de 98.03%, superando a otros algoritmos, y una velocidad de detección de 50 FPS, cumpliendo con los requisitos de detección en tiempo real. Este algoritmo tiene alta robustez y buen rendimiento en tiempo real en escenarios de tráfico complejos, y posee cierto valor teórico y práctico.

Detección de líneas de carril;segmentación semántica;convolución separable en profundidad;aceleración TensorRT;plataforma embebida ARM