王法安, 叶凌睿, 张兆国, 梁晋豪, 卢彦博, 聂枝根, 高博麟, 皮大伟, 殷国栋, 张付杰
针对智能网联车辆在非结构化道路环境感知中存在道路边界模糊、光照干扰强及分割实时性不足等问题,提出一种面向车载部署的重参数化道路分割模型UST-Unet。该模型在网络前端引入基于门控融合机制的图像去雾恢复模块;在编码器端采用多分支卷积模块,通过多分支卷积与结构重参数化兼顾复杂路面纹理表征能力与推理开销;在解码器端进一步提出一种双路径感知模块TSC,以局部滑动查询与全局池化查询协同建模,实现道路边缘细节与整体拓扑结构的自适应融合。同时,构建了一个涵盖山间黄土路、砂石路、林间小道等多路况及晴天、阴天、雨雾天等多气象条件的非结构化道路高质量标注数据集。基于自建数据集的试验结果表明:UST-Unet交并比达88.07%、精确率达94.11%,较原始Unet分别提升12.85%、9.95%,相比于典型分割网络,在复杂地形、光照变化及植被遮挡等场景下具有更高的鲁棒性与稳定性;10.24帧·s-1的推理速度与 29.29 M的参数量也能够满足非结构化道路下中低速自主导航任务车载边缘端的部署要求,为智能网联车辆全地形、全天候自主通行提供了一种高精度、易部署的道路感知方案。