BEV-LaneDet:一种简洁高效的3D车道检测基线
计算机视觉与模式识别
2023-03-14 v3
摘要
3D车道检测在车辆路径规划中起着关键作用,近来是自动驾驶中快速发展的课题。先前工作因其复杂的空间变换和不灵活的3D车道表示而难以实用。面对这些问题,我们提出一种高效鲁棒的单目3D车道检测方案BEV-LaneDet,主要有三点贡献。首先,我们引入虚拟相机,统一不同车辆所装相机的内/外参以保证相机间空间关系的一致性。由于统一了视觉空间,它能有效促进学习过程。其次,我们提出一种简洁高效的3D车道表示称为关键点表示。该模块更适于表示复杂多样的3D车道结构。最后,我们提出一种轻量且芯片友好的空间变换模块称为空间变换金字塔,用于将多尺度前视特征变换为BEV特征。实验结果表明,我们的工作在F-Score上优于最先进方法,在OpenLane数据集上高10.6%,在Apollo 3D合成数据集上高5.9%,速度达185 FPS。源代码将发布于https://github.com/gigo-team/bev_lane_det。
引用
@article{arxiv.2210.06006,
title = {BEV-LaneDet: a Simple and Effective 3D Lane Detection Baseline},
author = {Ruihao Wang and Jian Qin and Kaiying Li and Yaochen Li and Dong Cao and Jintao Xu},
journal= {arXiv preprint arXiv:2210.06006},
year = {2023}
}
备注
Accepted by CVPR2023