来源：期刊VIP网 时间：
作者：陈小海;陈学文;夏晨曦;李晓艳;
单位：辽宁工业大学汽车与交通工程学院;
摘要：针对单目视觉2D车道线检测方法不能获取车道线3D空间位置的问题，设计一种用于3D车道线检测的卷积神经网络结构。采用深度残差网络ResNet50作为特征提取网络，并引入坐标注意力机制，实现车道线的浅层特征提取、多尺度特征图生成以及小尺度高阶特征信息提取。采用特征融合网络BiFPN对不同尺度的特征图进行双向特征融合，提高车道线检测精度。同时设计一种车道线锚线3D车道检测头，实现多尺度特征图快速融合下采样，通过设置预测车道线和锚线间的偏置实现车道线的3D位置检测。在Openlane数据集上验证所设计的3D车道线检测系统，并与目前的主流方法进行对比。实验结果表明，所设计方法不仅能够检测出车道线的空间位置，还能对车道线的颜色、虚实、单条双条、左虚右实和左实右虚等属性加以识别。
关键词：智能汽车;;3D车道线检测;;深度学习;;ResNet50;;坐标注意力机制;;特征融合
基金资助：国家自然科学基金面上项目（62373175）;; 辽宁省属本科高校基本科研业务费专项资金资助项目（LJZZ232410154016）
