基于SegNet的非结构道路可行驶区域语义分割

• 作者: 冀杰 周显林 张凯航 蒋骆
• 来源期刊: 重庆大学学报
• 学科: 交通运输
• 关键词: 自动驾驶 非结构化道路 深度学习 语义分割
• 年，卷（期）: 2020,（3）
• 页码范围: 79-87
• 页数: 9页
• 分类号: U461
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2020.03.009

摘要

为了增强自动驾驶车辆对非结构化道路中可行驶区域的场景理解能力,基于SegNet深度学习网络结构,提出了一种针对非结构道路的可行驶区域语义分割方法.在传统的卷积神经网络基础上,构建编码解码深度卷积神经网络,用于自动习得图片中非结构化道路的特征,通过在数据集上进行训练和学习,得到图像语义分割模型,可直接用该模型预测非结构道路中的可行驶区域,实现自动驾驶车辆在非结构道路中行驶时的环境感知.实验结果表明,研究方法分割效果和精确度提升明显,Dice相似度和Jaccard相似系数均可达80％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冀杰	西南大学工程技术学院	22	59	5.0	7.0
2	张凯航	西南大学工程技术学院	2	0	0.0	0.0
3	蒋骆	西南大学工程技术学院	1	0	0.0	0.0
4	周显林	西南大学工程技术学院	1	0	0.0	0.0