CLiNet：二维与三维道路网络中心线联合检测
计算机视觉与模式识别
2023-02-07 v1
摘要
本文提出了一种基于图像数据、通过在二维和三维空间中联合定位特征来检测中心线的新方法。与现有侧重于视觉线索检测的工作不同，我们探索了直接适用于城市驾驶任务的特征提取方法。为开发和评估我们的方法，我们利用矢量地图表示和射影几何自动标注了一个名为 AV Breadcrumbs 的大型城市驾驶数据集，包含超过 90 万张图像。我们的结果展示了在各种城市驾驶场景中进行动态场景建模的潜力。我们的模型取得了 0.684 的 F1 分数和 2.083 的平均归一化深度误差。代码和数据标注已公开。
引用
@article{arxiv.2302.02259,
title = {CLiNet: Joint Detection of Road Network Centerlines in 2D and 3D},
author = {David Paz and Srinidhi Kalgundi Srinivas and Yunchao Yao and Henrik I. Christensen},
journal= {arXiv preprint arXiv:2302.02259},
year = {2023}
}
备注
5 pages, 4 figures, 1 table. Under review at IEEE Intelligent Vehicles Symposium 2023