基于航空影像的车道级地图构建
计算机视觉与模式识别
2023-12-22 v1
摘要
从传感器检测车道线正成为自动驾驶系统日益重要的组成部分。然而，基于航空影像的高清晰度车道级地图构建发展较少，而该技术可以为自动驾驶系统自动构建和更新离线地图。为此，我们的工作重点是提取细粒度的详细车道线及其拓扑结构。这项任务具有挑战性，因为它需要大量涵盖不同车道类型、地形和区域的数据。在本文中，我们首次引入了一个为车道检测构建的大规模航空影像数据集，并在约 80 公里道路的高分辨率图像上提供了高质量的折线车道标注。此外，我们开发了一种基于航空影像的基线深度学习车道检测方法，称为 AerialLaneNet，它包含两个阶段。第一阶段在点级别产生粗粒度结果，第二阶段利用粗粒度结果和特征执行顶点匹配任务，从而生成具有拓扑结构的细粒度车道。实验表明，与最先进的方法相比，我们的方法在这一新数据集上取得了显著提升。我们的代码和新数据集可在 https://github.com/Jiawei-Yao0812/AerialLaneNet 获取。
引用
@article{arxiv.2312.13449,
title = {Building Lane-Level Maps from Aerial Images},
author = {Jiawei Yao and Xiaochao Pan and Tong Wu and Xiaofeng Zhang},
journal= {arXiv preprint arXiv:2312.13449},
year = {2023}
}
备注
Accepted at ICASSP 2024. Project page: https://github.com/Jiawei-Yao0812/AerialLaneNet