基于改进YOLOv8的车道线检测算法
《Computers》:Lane Detection Algorithm Based on Improved YOLOv8
【字体:
大
中
小
】
时间:2026年08月27日
来源:Computers 5.2
编辑推荐:
车道检测是高级驾驶辅助系统(ADAS)和自动驾驶的核心感知任务。当前方法在精度、模型复杂度与推理效率之间难以取得平衡:高精度模型依赖重量级模块,计算量过大;而轻量级模型则特征提取能力薄弱,精度不足。为缓解这一固有矛盾,我们基于YOLOv8n-seg提出了YOLOv8n-Lan
车道检测是高级驾驶辅助系统(ADAS)和自动驾驶的核心感知任务。当前方法在精度、模型复杂度与推理效率之间难以取得平衡:高精度模型依赖重量级模块,计算量过大;而轻量级模型则特征提取能力薄弱,精度不足。为缓解这一固有矛盾,我们基于YOLOv8n-seg提出了YOLOv8n-LaneDG。我们设计了一种双路径门控融合模块以增强车道特征,并设计了一种高效上采样卷积模块以降低计算开销,同时进一步设计了加权连续性损失以保持车道结构完整性。在TuSimple数据集上的评估表明,我们的方法将mAP@0.5从74.3%提升至95.2%。该方法不仅优于主流轻量级模型,且以远少的参数量达到了重型模型YOLOv8s-seg的性能表现,为车端平台提供了一种高精度、可部署的车道检测方案。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号