基于改进BiSeNet的非结构化道路分割算法研究

非结构化道路通常没有清晰的边界及车道线,环境较为复杂,传统的基于道路纹理、颜色特征的分割方法无法满足实时性和准确性的要求.针对非结构化道路场景,提出了基于改进BiSeNet的轻量化语义分割模型,采用轻量化主干提取网络和引入深度可分离卷积,优化速度控制;在最后的特征融合阶段引入通道注意力,自适应地选择重要特征,抑制冗余信息,提高非结构化道路分割的准确性.改进后模型参数量仅有1.11×106,检测速度提升18.83％,F1-score达到了96.74％.对比其他主流语义分割模型,该算法具有参数量小、速度快、准确率高等优势,可为非结构化道路场景下无人驾驶车辆的安全运行提供参考.