LiteViLNet：高效道路分割的轻量级视觉LiDAR融合网络
计算机视觉与模式识别
2026-05-21 v1 机器人学
摘要
道路分割是自动驾驶和智能机器人系统中基础的感知任务，要求具备高精度和实时推理能力，尤其是针对资源受限的边缘设备。现有的多模态道路分割方法常依赖重型transformer级编码器以实现最佳性能，但其巨大的计算成本禁止在嵌入式平台上实现实时部署。为此，我们提出LiteViLNet，一个轻量级多模态网络，用于高效道路分割。具体而言，我们设计了双流轻量级编码器和深度可分离卷积，从两种模态中以最小参数提取层次化特征。我们进一步提出了多尺度特征融合模块（MSFM）以促进不同层次的跨模态互动，以及大核桥接模块以线性复杂度捕获长程依赖。广泛的实验在KITTI Road数据集和实际应用中表明，LiteViLNet在准确性和效率之间实现了理想的平衡。值得注意的是，仅需14.04M参数，本模型在96.36\%的MaxF得分上名列最佳，位于所有基于CNN的方法之首，且与较大的transformer模型相当，在RTX 4060 Ti上实现163.79 FPS的模型推理速度（Jetson Orin NX上为22.18 FPS）。它在推理速度上超过众多重量级方法，同时保持高度具竞争力的准确性，充分验证了LiteViLNet在自动驾驶和智能机器人实时边缘部署中的潜力。
引用
@article{arxiv.2605.21007,
title = {LiteViLNet: Lightweight Vision-LiDAR Fusion Network for Efficient Road Segmentation},
author = {Daojie Peng and Bingtao Wang and Fulong Ma and Liang Zhang and Jun Ma},
journal= {arXiv preprint arXiv:2605.21007},
year = {2026}
}