带注意力机制的神经网络用于跑道线检测

为了提高无人机着陆的有效性，设计了一种带有注意力机制的神经网络算法（LineNet）实现无人机跑道线检测。根据无人机着陆场景仿真出样本数据，并利用标注工具对数据进行标注，使用Shuffle Conv模块缓解特征融合计算量的占用问题，并引入空洞空间金字塔池化注意力机制（ASPP-SA）,ASPP-SA模块中添加残差的跳跃结构获取更多的图像信息，对LineNet模型的检测结果做形态学处理并结合连通区域约束对跑道线特征点进行分类，对相同类别的特征点通过最小二乘法进行跑道线拟合。经仿真数据验证，设计的方法可以有效地检测和识别出正确的跑道线，其平均检测精度为94.36%，相较于LaneNet算法、SegNet算法分别提高了12.82和9.95个百分点，单帧检测时间17.2 ms，是CNN+Hough变化算法1.5倍左右，可以满足无人机着陆的响应时间需求，在无人机着陆的研究过程中有重要意义。