Resumen

El uso de sensores multimodales para la segmentación de líneas de carril se ha convertido en una tendencia creciente. Para lograr una fusión multimodal robusta, introdujimos un nuevo método de fusión multimodal y demostramos su efectividad en una red de fusión mejorada. Específicamente, se propone un módulo de fusión multinivel para extraer características efectivas de datos de diferentes modalidades, y se utiliza un módulo de atención de canal para calcular de forma adaptativa la contribución de los canales de características fusionadas. Verificamos el efecto de la fusión multimodal en el conjunto de datos de referencia KITTI y en el conjunto de datos A2D2, y demostramos la efectividad del método propuesto en el conjunto de datos KITTI mejorado. Nuestro método logra una segmentación robusta de líneas de carril, que es un 4.53% más alta que la fusión directa en el índice de precisión, y obtiene la puntuación F2 más alta de 79.72%. Creemos que nuestro método introduce una idea de optimización del nivel

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Sensores; Segmentación de líneas de carril; Fusión multimodal; Módulo de fusión multiescala; Módulo de atención de canal; Conjunto de datos
• Keywords:Sensors; Lane line segmentation; Multimodal fusion; Multiscale fusion module; Channel attention module; Dataset