基於語義分割之高爾夫球場道路偏移設計與模型效能比較

想解決什麼問題

一般車道偏移偵測靠白線，但高爾夫球場、鄉間小路、山路根本沒有標線。自動駕駛球車、校園巡邏車、服務機器人都需要在這種路上判斷自己有沒有偏離。

怎麼做

1. 組員到南峰高爾夫球場實地拍攝 2,260 張道路影像，自己標註道路、草地、車、人、背景五類
2. 比較 DeepLabV3+（MobileNet／ResNet-50／ResNet-101）與輕量 STDC-Seg（STDC1／STDC2）五種模型
3. 提出兩種偏移估計：40 條掃描線擬合道路兩側曲線求中心（偏移超過 20% 就警告）；以及梯形視野四象限統計非道路像素，直接建議左轉、右轉或緊急警告

做出了什麼

• 測試集上 DeepLabV3+ ResNet-50／ResNet-101 的 mIoU 約 0.951，ResNet-101 整體準確率 0.9785 最高
• STDC2 模型輕量、速度快，適合球車上即時運算；換到紐西蘭、挪威、法國等沒看過的道路，ResNet-101 最穩定
• 兩種偏移估計方法互補：邊界清楚時用曲線擬合算出精確偏移量，邊界模糊時用梯形重心法給出方向建議

成果圖