第39卷第4期2024年4月Vol.39No.4Apr.2024液晶与显示ChineseJournalofLiquidCrystalsandDisplays基于ARM嵌入式平台的车道线检测算法关恬恬，杨帆*（河北工业大学电子信息工程学院，天津300401）摘要：针对现有车道线检测算法在实际应用中难以平衡检测精度和速度的问题，提出一种全新的基于ARM嵌入式平台的车道线检测算法。首先，设计一个轻量化语义分割网络，在优化SegNet结构的同时在网络第一层加入跳跃连接，并且在每两个卷积层后加入通道注意力机制模块，在保证检测精度的同时提升检测速度。接着，构建卡尔曼滤波车道线跟踪模型，提高检测在视频流中的鲁棒性。然后，重构编码器，对模型轻量化处理，使用深度可分离卷积代替传统的卷积以减少计算成本，提升检测速度。最后，利用TensorRT加速推理，生成Trt模型，方便其部署在ARM嵌入式平台中实现实时车道线检测。在自行制作的Tusimeple扩充数据集上的实验结果表明，所提出的算法能够应对各种复杂交通场景，检测精度达到98.03%，优于其他算法，并且其检测速度达到了50FSP，满足实时性检测要求。本算法在复杂交通场景下具有较高的鲁棒性和有较好的实时性，具有一定的理论价值和实际应用价值。关键词：车道线检测；语义分割；深度可分离卷积；TensorRT加速；ARM嵌入式平台中图分类号：TP391.4文献标识码：Adoi：10.37188/CJLCD.2023-0141LanedetectionalgorithmbasedonARMembeddedplatformGUANTiantian，YANGFan*（CollegeofElectronicInformationEngineering，HebeiUniversityofTechnology，Tianjin300401，China）Abstract：Aimingattheproblemthattheexistinglanedetectionalgorithmsaredifficulttobalancethedetectionaccuracyandspeedinpracticalapplication，anewlanedetectionalgorithmbasedonARMembeddedplatformisproposed.Firstly，alightweightsemanticsegmentationnetworkisdesigned.WhenSegNetstructureisoptimized，skipconnectionsareaddedtothefirstlayerofthenetwork，andchannelattentionmechanismmodulesareaddedaftereverytwoconvolutionallayerstoensuredetectionaccuracyandimprovedetectionspeed.Secondly，Kalmanfilterlanetrackingmodelisconstructedtoimprovetherobustnessofdetectioninvideostreams.Then，theencoderisreconstructedandthemodelislightweight.Thedeepseparableconvolutionisusedinsteadofthetraditionalconvolutiontoreducethecalculationcostandimproveth...
