许大展，吴晓雨

（中国传媒大学信息与通信工程学院，北京 100024）

1 引言

随着人工智能的快速发展，传统汽车行业与信息技术的结合，无人驾驶逐渐出现在人们的视野中。路面标识作为无人驾驶和辅助驾驶的重要视觉信息，对它实时、正确的识别是行车安全的必要条件。

路面标识检测隶属于目标检测技术范畴，传统的目标检测方法[1][2]主要是基于目标轮廓、目标特征的检测方法，需要人为设计特征，存在一定的局限性。基于深度学习的目标检测方法[3][4][5]，避免了人为设计特征因素的影响，模型的泛化能力有较好的提升，但计算代价较高，收集的数据全部上传到云端处理将会带来较大时延，无法满足低延时的应用需求。嵌入式终端计算设备更接近数据来源处，可对数据进行及时处理，减少云计算带来较大时延的问题，但是嵌入式终端计算能力有限，无法实时处理复杂模型。因此，研究既准又快的路面标识检测算法，既能处理路面标识受损、阴影、遮挡和天气等因素，又能适应车载终端硬件性能，是一项非常具有挑战性且应用性的工作。

针对以上问题，本文提出了一种基于深度学习的路面标识检测模型，能够在复杂场景下实现对路面标识的正确定位和分类，同时结合满足实际应用的需求，将模型部署在嵌入式AI 计算设备Jetson TX2 上，并基于NVIDIA 推出的TensorRT 对网络模型设计了优化加速和前向推理算法，以提高满足模型在实际应用中的计算速度。

2 相关工作

路面标识检测是实现无人驾驶技术的重要环节之一，受到了许多专家学者的关注和研究。……