田间道路改进UNet分割方法

摘要：

为了保证自动驾驶农机的安全行驶,需要对农田间道路进行高精度识别.该研究以北京市大兴区榆垡镇为研究地点,构建了农田间道路图像数据集,使用开源标注工具Labelme软件进行图像标注,以UNet为基本网络结构,针对分割过程中存在的道路边缘和远处道路分割效果较差等现象,提出了3个改进方向:在编码器网络中添加残差连接,增加网络复杂度;使用池化卷积融合结构完成下采样,增加可训练参数以减少信息损失.试验结果表明,使用ACBlock(Asymmetric Convolution Block,ACBlock)和DACBlock(Dilated Asymmetric Convolution Block,DACBlock)替换UNet中的卷积核,增加了卷积核"骨架"结构的权重和卷积核的感受野,提高了远处道路及道路边缘的分割效果,农田间道路分割的交并比值为85.03％,相较于原UNet提高了6.52个百分点,且高于ResUNet、UNet3+等网络.农机行驶速度在20 km/h左右,该研究网络对于1280×720像素大小的图片平均推理时间为163 ms,符合农机自动驾驶时间复杂度要求.该研究提高了自动驾驶农机对农田间道路的感知能力,为安全行驶提供了信息支持.

关键词：图像分割;机器视觉;深度学习;田间道路;自动驾驶

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划项目2016YFB0501805

在线出版日期：2021-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：185-191