机械工程学报

作者：李路兴, 魏超, 胡乐云, 随淑鑫, 徐扬, 钱歆昊

单位：1. 北京理工大学机械与车辆学院 北京 100081;2. 特种车辆设计制造集成技术全国重点实验室 北京 100081

关键词：深度学习,越野环境,可行驶检测,多模态,多序列；

基金：国家自然科学基金资助项目(52002026)。

可行驶区域检测对自动驾驶轨迹预测和路径规划起着重要支撑作用，但越野环境的复杂性和边界的不规则性限制其检测精度、实时性和泛化性的提高。针对以上挑战，提出一种多模态多序列高效可行驶区域检测网络。该网络融合了Transformer和CNN的优势，通过自适应空间和时间门控单元实现RGB图像与激光雷达数据的多模态多序列信息的融合与增强，并利用M-IDA模块细化处理输出特征，进一步提高检测精度与泛化性。此外，采用线性Transformer编码和深度可分离卷积降低计算复杂度，实现高效推理。基于ORFD数据集的四组对比试验结果表明，相较于基线模型，检测精确、F1得分和交并比分别提高了2.3%、1.2%和2%，推理时间降低了40.8%。此外，消融试验验证了各部件的有效性，ORFD测试集、KITTI Road数据集和实车实测数据进一步验证了该网络的准确性、高效性和泛化性。

来源：2025年第10期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第10期