基于改进双边分割网络的井下轨道检测算法

摘要

基于视觉的轨道检测是实现矿井机车无人驾驶的重要内容,而传统人工特征提取的轨道检测算法在精度和速度上均存在弊端,且井下光照、积水等环境影响因素导致不可照搬地面车道线检测算法。为此提出一种适用于井下轨道实时检测的改进双边分割深度学习网络。首先给出检测网络整体结构,其次重点提出了用于获取较大感受野的金字塔注意力模块,以及用于综合空间路径模块和金字塔注意力模块特征的通道注意力融合模块,最后进行了实验验证。结果表明,所提网络能够有效提取出轨道区域,检测速率达到50 fps,检测精度达到86.79%。