用于自车道推断的相机无关双头网络
计算机视觉与模式识别
2025-06-24 v1 机器学习
机器人学
摘要
使用高定义（High-Definition, HD）地图的基于视觉的自车道推断在自动驾驶和高级驾驶辅助系统中至关重要。传统方法需要校准良好的相机，这限制了相机配置的变化，因为该算法依赖于内参和外参校准。在本文中，我们提出了一种基于学习的自车道推断方法，通过直接从单张图像估计自车道索引。为了增强鲁棒性能，我们的模型结合了双头结构，同时在两个视角下推断自车道。此外，我们利用由消失点和线引导的注意力机制来适应视点变化，而无需精确的校准。我们模型的高适应性在多样化的环境、设备以及相机安装点和朝向中得到了验证。
引用
@article{arxiv.2404.12770,
title = {Camera Agnostic Two-Head Network for Ego-Lane Inference},
author = {Chaehyeon Song and Sungho Yoon and Minhyeok Heo and Ayoung Kim and Sujung Kim},
journal= {arXiv preprint arXiv:2404.12770},
year = {2025}
}