基于语义分割与深度估计的行车环境实时解析

摘要

道路行车环境的实时解析是智能驾驶的关键技术,尽管神经网络在实现语义分割和深度估计上能取得不错的精度,但由于模型参数多、计算量大等问题,导致难以实现实时计算;针对该问题,提出了一个轻量化、高效的特征提取模块和一个综合考虑语义信息和深度信息的特征解码模块,在一个网络中同时完成语义分割和深度估计两个任务;在CityScapes数据集中,语义分割预测结果的mIOU为65.0％、深度估计结果的误差为0.21,并且在单个GPU上推断速度达到了65FPS,满足实时性要求.