YOLO13-C3k2-ConvAttn：充电桩车位线检测实战与优化

做充电桩车位线检测有一段时间了，先给结论：这套基于YOLO13-C3k2-ConvAttn的检测方案，在露天和地下停车场混合的实拍数据集上，车位线类别的mAP@0.5稳定做到85%以上，单帧推理在Jetson Orin级别的边缘设备上能压到30ms左右，后续接车位占用判断和车辆引导完全够用。

充电桩车位和普通车位完全是两回事。普通车位线画得规整、磨损小、环境相对可控；充电桩车位常常因为不同批次施工，存在线漆老化、被车轮长期碾压脱落、被地锁占位桩遮挡、雨天地面积水反光等问题。更麻烦的是，很多充电站建在露天场地上，下午阳光斜射时整个画面都是强反光，阴影和线体的灰度值几乎混在一起。这个项目的核心难点不在于“能不能检测出来”，而在于“在乱七八糟的真实场景里能不能稳定输出”。本文会从结构拆解、数据构建、训练调参、后处理到部署整个链路，讲清楚我当时是怎么选型、怎么踩坑、又是怎么把精度和速度拉平衡的。

1. 整体设计思路：为什么一定要自己改结构

1.1 先用现成方案跑了一圈，问题出在哪

最开始我并没有直接上YOLO13，而是先用了当时主流的YOLOv8n和YOLOv9t做baseline。跑下来发现两个致命问题：

第一，小目标召回率偏低。充电桩车位的线体，在常见俯视视角下，宽度通常只有5到15个像素，长度却有200到400个像素。这种长条形细线目标，在常规检测头的特征图下，极易被下采样丢失细节。YOLOv8的检测头虽然有三个尺度，但默认下采样倍数对这类极端长宽比目标并不友好。

第二，背景干扰严重。车位线旁边往往有停车位内的充电枪、车轮挡块、减速带，还有地面的油渍、水渍、3D地砖纹理。这些背景纹理和车位线在局部颜色、灰度上有很强的相似性，导致误检率很高。

所以我的思路很明确：在保留YOLO整体框架的前提下，替换C3k2模块强化细长特征提取，再插入ConvAttn注意力机制抑制背景干扰。这两个改动都是从实际误检和漏检案例反推出来的，不是单纯为了噱头上新结构。

1.2 ConvAttn要解决的问题：让模型知道“该看哪里”

车位线检测本质上是一个“背景极度杂乱”的任务。车位线本身没有丰富的纹理信息，它就是一个边缘清晰的细长条形结构。如果模型把大量的权重用在提取背景纹理上，那雨后的积水反光、阳光下的阴影边缘就会频繁触发误检。

我选的ConvAttn并不是一个固定的模块，而是一个组合方案：在backbone不同阶段的特征图后面，插入轻量级的卷积注意力，对通道维度先做全局统计，再对空间维度做局部对比。举个例子，在积水反光区域，反光边缘和车位线边缘在频率特征上很像，但车位线具有连续的方向一致性和固定的宽度比例，反光区域则没有。收敛注意力之后，模型会更关注宽度一致、连续性强的边缘结构，这是普通卷积学不到的。

在具体实现上，我在C3k2模块的输出后接了一个包含1x1卷积、GELU激活和sigmoid门控的轻量注意力头，参数量只占模型总参数的3%左右，但对误检率的下降贡献非常明显。

2. YOLO13-C3k2-ConvAttn结构拆解：每个模块到底在干什么

2.1 C3k2模块：细长目标的特征提取核心

C3k2这个结构的全称是Cross Stage Partial with kernel size k, version 2。简单理解，它是在CSPNet的思想上做的轻量化改进。原始的C3模块会把特征分成两条路径，一条走多个Bottleneck堆叠，一条走短接，最后concat在一起。C3k2则减少了Bottleneck的数量，并且把3x3卷积替换成不同kernel尺寸的组合，让每条路径的特征感受野更灵活。

对于车位线检测这种极端长宽比目标，小kernel适合捕获线体边缘的锐利变化，大kernel适合捕获长线段的连续性。C3k2的好处是它可以在同一个stage内同时保留这两种感受野。我实测下来，在yolov13的backbone第3、4、5个stage用C3k2替换原结构后，车位线的召回率提升了4到6个百分点，而且参数量反而下降了。

需要注意一点：C3k2并不是越堆越多越好。我一开始在C2f的基础上把Bottleneck数量翻倍，结果训练速度变慢、梯度回传变差，mAP反而掉了。C3k2的真正价值是“结构合理”，不是“深度更大”。

2.2 ConvAttn插入位置选择：Stage3之后效果最佳

注意力机制插入位置是个很讲究的事。插入太早，浅层特征还没有足够的语义信息，注意力学不到有意义的东西；插入太晚，高分辨率细节已经丢失，注意力的作用范围受限。

我做了三组对比实验：

结论很明显：Stage3是最优解，因为这一层的特征图同时保留了中层的空间细节和一定的语义信息，恰好是车位线“宽度细节”和“整体语义”最均衡的位置。如果放在Stage2之后，特征图分辨率还是太高，注意力容易被轮胎压痕这类局部纹理带偏。

2.3 检测头与损失函数的适配细节

YOLO13默认的检测头已经支持多尺度输出，但对车位线这种目标，我做了两个针对性调整：

一是把传统IoU损失换成WIoU损失。车位线是细长目标，预测框和真实框在未对齐时，IoU值对几个像素的偏移非常敏感。WIoU能根据目标尺寸动态调整惩罚权重，让模型在训练早期更关注定位精度，而不是把所有精力花在分类上。

二是在分类分支中引入了Focal Loss。原因是车位线的正负样本比例极端失衡，一张1080P图像里可能只有2到3个车位线实例，剩下的全是背景。Focal Loss可以把训练注意力集中在少数困难样本上。

3. 数据集构建：这个项目70%的工作量在这里

3.1 数据采集：别只用一个角度拍

车位线检测模型的泛化能力很大程度上取决于数据采集的多样性。我在项目里固定了一组采集规范：

• 高度：推荐1.5米到2.0米的安装高度，模拟真实车位摄像头视角；
• 角度：正俯视、30度角、45度角都要采，充电场站的摄像头安装角度千差万别；
• 时段：早上、中午、傍晚、夜间各采一部分，重点采集逆光场景；
• 天气：晴天、阴天、小雨后积水场景是必须的，下雨后停车场地面的漫反射非常考验模型。

后期我和团队统计过，没有加任何增强策略时，雨天样本占比只要超过12%，模型在晴天场景的精度就会掉3个点。这说明多样性的本质不是“越多越好”，而是“分布均衡”。

3.2 标注规范：按“4个角点+1条中心线”标注

车位线和普通目标的标注方式不同。普通目标用一个水平框就能包住，但车位线是细长条，水平框会引入大量背景。我采用的方案是标注“4个角点”构成一个四边形，再额外给一条中心线。

很多人会问：YOLO不是基于水平框的吗？怎么把四边形标签喂进去？

我的做法是离线把四边形标签转换成一个最小的外接水平框用于训练，同时保留4个角点坐标用于后处理时的精确定位。这样既不影响YOLO的训练流程，又能在推理阶段通过角点计算车位的精确位置和方向。实测下来，纯水平框训练的模型，虽然检测框的IoU和召回没问题，但框的中心点偏移平均有12个像素；加上角点标签之后，中心点偏移降到了3个像素以内。

3.3 数据增强策略：mosaic要慎用

YOLO训练最常用的mosaic增强，在车位线任务上是个坑。车位线本身是全图的长条形结构，mosaic会把图像切成4块并缩放拼接，导致线体被切碎、宽度失真，模型学到的“长宽比先验”全被破坏了。

我最终采用的增强策略是：

• 不启mosaic，改为使用Copy-Paste增强，把一段车位线区域从一张图里复制到另一张图，保留原始长宽比和清晰度；
• 采用8到16度的随机旋转，模拟摄像头安装偏斜；
• 使用饱和度调整和灰度扰动，应对不同颜色的线漆（白线、黄线、蓝线）。

4. 训练实操与调参心得

4.1 环境配置与训练参数选择

我的训练环境是一张24G显存的消费级显卡，框架用的PyTorch，CUDA版本按官方支持选，不需要最新。YOLO系列对显存要求不算高，16G也能跑，但batch size会受限。

关键训练参数如下：

4.2 收敛判断：别只看loss，要看误检曲线

训练过程里我发现一个问题：loss曲线在第180轮左右已经明显下降变缓，看起来“收敛”了，但我把模型拿去做夜间验证集测试，误检数量还是偏高。

后来我在训练日志里加了每10轮保存一次模型、并对一个固定验证集做推理，把误检率和漏检率单独统计出来。这一步非常关键。损失值低不代表误检少，尤其对于车位线这种类别极其单一的任务，分类loss可能很低，但定位偏移造成的“线框歪了”在loss里体现得并不明显。真正有效的判断标准是：验证集上漏检率持续下降、误检率不再反弹。

4.3 从baseline到最优模型的调参路径

这里分享一下我的调参路径，不是玄学，每一步都有明确目标：

1. 先用YOLO13原版默认参数跑一轮，作为baseline；
2. 替换C3k2模块，重新训练，观察mAP和召回率变化；
3. 插入ConvAttn，训练精度继续上升；
4. 调整WIoU损失，定位精度提升；
5. 开启Copy-Paste增强并关闭mosaic，最终验证集mAP达到最佳。

每一步改动都会让某一项指标变好，但也有可能让另一项指标变差。比如加入ConvAttn后推理速度下降了3ms，但误检率从7.2%降到4.2%，为了误检率我接受了这个速度损失。

5. 车位线定位后处理：从“检测框”到“精确位置”

5.1 中心线提取与拟合优化

检测框输出的只是一个水平矩形框，说明“这里有一条车位线”，但想要自动泊车或者引导车辆停入，我们还需要知道线的精确位置和方向。

我在后处理里做了两步。第一步，在检测框内部通过边缘提取算法找到线体的像素级边缘；第二步，对边缘点做加权最小二乘拟合，得到一条直线方程。在这里有个小技巧：给边缘点的权重和灰度梯度幅值相关。线边缘越清晰、梯度越大，权重就越高，这样拟合出来的直线不会因为少数几个噪点而偏斜。

5.2 坐标映射：从像素坐标到真实距离

检测得到的是图像像素坐标，但实际使用场景需要知道车位线相对于自车的真实位置。这一步需要进行透视变换。我预先标定了摄像头的内外参，并建立了一个地面平面映射表。在运行时，只需要将检测框的4个角点坐标通过单应矩阵变换，就能映射到车辆坐标系下的真实坐标。

这个方案的控制精度实测在10厘米以内，对自动泊车和辅助停车来说完全够用。但要注意，单应矩阵只在平地面假设下成立，如果停车场地坪有坡度，误差会增长，建议在部署时做多点标定补偿。

6. 部署优化与常见问题排查

6.1 推理速度优化：TensorRT量化踩坑记录

模型训练完成后，部署环节也是一个大坑。我最初直接导出ONNX再转TensorRT，结果在目标设备上推理速度只有预期的60%。

排查发现，原因是C3k2模块里的某些动态shape操作和Concat节点在做TensorRT层融合时失败。解决办法是：先从原模型导出时固定batch size，并在ONNX中显式标记输入shape；关闭所有动态维度；TensorRT部署时选择FP16精度，但不开启int8量化。int8量化在车位线这种细长目标上精度损失非常明显，mAP直接掉6个点，而FP16只掉不到1个点。

6.2 常见问题速查表

6.3 运行内存与显存压榨技巧

最后再说一个很少人提的细节。在边缘设备上做部署时，图像预处理（decode、resize、归一化）也占用运行内存。我一开始用的标准方案是OpenCV读图再resize，占据约80ms，显存峰值很高。后来换了自定义的预处理算子，把缩放和归一化合并为一次计算，耗时直接降到25ms以内。这个优化在Jetson平台上效果非常明显，如果你的目标设备也是嵌入式GPU，强烈建议做这一步。

我个人在项目收尾时最大的体会是：YOLO13-C3k2-ConvAttn这个组合并不是凭空设计的炫技结构，而是完全从实际误检和漏检样本反推出来的方案。车位线检测这个任务，外观单一，但环境千变万化，真正限制上限的不是模型结构多先进，而是数据分布、注意力机制和部署细节这三者能不能配合好。如果只学一句话，那就是：先跑通一版简陋的，再针对错误案例改结构，千万别一开始就堆模块。后续想把这个系统扩展的话，方案已经留了检测框角点输出和后处理坐标映射的接口，可以直接接入自动泊车的路径规划模块，做真实意义的“充停一体”场景也不再有障碍。