关键词:
非结构化道路
语义分割
卷积注意力
Transformer
DeepLabv3+
摘要:
准确识别非结构化道路可行驶区域可为军用智能车辆无人作战局部自主决策及路径规划提供理论依据。针对非结构化道路边缘模糊、特征相似等特点,现有的分割算法难以满足军用智能车辆对其准确性识别的问题,文中提出了一种面向非结构化道路的可行驶区域语义分割算法(attention Transformer DeepLabv3+,ATD)。在编码特征提取中级联了卷积注意力(convolutional block attention module, CBAM)模块,在不损失语义分割识别精度的前提下,增强了语义信息在不同通道和空间维度的自适应像素权重,强化了复杂环境下的特征编码能力。在解码中引入了Transformer多头注意力(multi-head attention),加强了空间位置信息的关联性,实现了非结构化道路边缘的细粒度化推理。基于自建的约6 000张非结构化道路数据集进行对比实验,实验结果表明,较对比网络模型准确率平均提高了5.65%,交并比平均提高了4.20%。