基于可见光与红外热图像的行车环境复杂场景分割

摘要：

复杂场景分割是自动驾驶领域智能感知的重要任务,对稳定性和高效性都有较高的要求.由于一般的场景分割方法主要针对可见光图像,分割效果非常依赖于图像获取时的光线与气候条件,且大多数方法只关注分割性能,忽略了计算资源.本文提出一种基于可见光与红外热图像的轻量级双模分割网络(DMSNet),通过提取并融合两种模态图像的特征得到最终分割结果.考虑到不同模态特征空间存在较大差异,直接融合将降低对特征的利用率,本文提出了双路特征空间自适应(DPFSA)模块,该模块能够自动学习特征间的差异从而转换特征至同一空间.实验结果表明,本文方法提高了对不同模态图像的利用率,对光照变化有更强的鲁棒性,且以少量参数取得了较好的分割性能.

关键词：场景分割;可见光图像;红外热图像;双模分割网络;双路特征空间自适应模块

所属期刊栏目：48

资助基金：国家自然科学基金;中南大学研究生校企联合创新项目

在线出版日期：2022-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：460-469