文摘为实现基于计算机视觉的自动驾驶和高级辅助驾驶,需要对车辆前方的可行驶区域进行实时检测。可行驶区域的检测是图像分割问题,而目前主流的基于深度学习模型的Scene Parse方案,在实际应用中不能满足实时性要求。为此,构建一个超像素Appearance与3D特征融合的检测框架,实现从粗分割到细分割的两步分割流程。其中粗分割是基于RANSAC的快速平面估计,细分割则是基于粗分割路面估计概率的条件随机场模型,采用超像素进行加速。实验结果表明,该框架在Cityscape数据集上精确度和召回率超过90%,性能与SegNet,FCN 16 Scene Parsing相当,可满足X86平台和ARM平台的实时应用要求。
