空中车道网：基于小波增强代价敏感对称全卷积神经网络的航拍图像车道标线语义分割

摘要： 关于车道标线位置与外观的知识，是创建高精度地图的先决条件——这类地图对自动驾驶、基础设施监测、分车道交通管理及城市规划都至关重要。车道标线是此类地图的重要组成部分，它们向驾驶员传递道路规则。人类通过学习掌握这些规则，而自动驾驶车辆则需要被教会识别标线以实现自身定位。因此，要达成这些目标，就需要对道路和高速公路影像进行精确可靠的车道标线语义分割。我们采用航空影像（通过引入航拍车道标线数据集，在短时间内即可捕捉大范围区域），并提出一种经小波变换增强的对称全卷积神经网络，用于自动执行航拍影像中的车道标线分割。针对车道标线像素与背景像素数量严重失衡的问题，我们采用定制化损失函数及新型数据增强方法。相比前沿技术且无需第三方信息辅助，我们实现了更高精度的车道标线像素级定位。本文首次引入实验所用的高质量数据集，涵盖当今交通系统具有代表性的各类车道标线情境与类别。该数据集将公开发布，可作为该领域未来算法的基准测试集。