打破单目歧义：利用时间演化进行3D车道检测
计算机视觉与模式识别
2025-11-06 v3
摘要
单目3D车道检测旨在从正面视图（FV）图像中估计车道的3D位置。然而，现有方法受限于单帧输入的固有歧义，导致几何预测不准确，尤其是对于远处车道的完整性差。为此，我们提出了利用场景随时间演化所蕴含的丰富信息。我们提出的几何感知时序聚合网络（GTA-Net）系统性地利用来自互补视角的时序信息。首先，时序几何增强模块（TGEM）在连续帧之间学习几何一致性，有效地从运动中恢复深度信息，以构建可靠的3D场景表示。其次，为增强车道完整性，时序实例感知查询生成模块（TIQG）聚合来自过去和当前帧的实例线索。关键的是，对于在当前视角中模糊的车道，TIQG创新性地合成伪未来视角，以生成揭示此前会被遗漏的车道的查询。实验表明，GTA-Net实现了新的SOTA结果，显著优于现有的单目3D车道检测解决方案。
引用
@article{arxiv.2504.20525,
title = {Breaking Down Monocular Ambiguity: Exploiting Temporal Evolution for 3D Lane Detection},
author = {Huan Zheng and Wencheng Han and Tianyi Yan and Cheng-zhong Xu and Jianbing Shen},
journal= {arXiv preprint arXiv:2504.20525},
year = {2025}
}