3D-LaneNet：端到端三维多车道检测
计算机视觉与模式识别
2019-09-11 v3 机器学习
机器人学
摘要
我们引入一种从单幅图像直接预测道路场景中车道三维布局的网络。该工作标志着首次尝试利用车载传感解决此任务，且不假设已知恒定车道宽度或依赖预建地图环境。我们的网络架构 3D-LaneNet 应用了两个新概念：网络内逆透视映射（IPM）与基于锚点的车道表示。网络内 IPM 投影促进了常规图像视图与俯视图中的双表示信息流。逐列锚点输出表示实现了我们的端到端方法，取代了聚类和离群点剔除等常见启发式方法，将车道估计视为目标检测问题。此外，我们的方法显式处理车道合并与分流等复杂情况。结果在两个新的三维车道数据集（一个合成、一个真实）上展示。为与现有方法比较，我们在仅图像的 tuSimple 车道检测基准上测试了我们的方法，取得了与先进方法竞争的性能。
引用
@article{arxiv.1811.10203,
title = {3D-LaneNet: End-to-End 3D Multiple Lane Detection},
author = {Noa Garnett and Rafi Cohen and Tomer Pe'er and Roee Lahav and Dan Levi},
journal= {arXiv preprint arXiv:1811.10203},
year = {2019}
}
备注
To be presented in ICCV 2019