CurveFormer：基于曲线查询与注意力的曲线传播式3D车道检测
计算机视觉与模式识别
2023-01-18 v2
摘要
3D车道检测是自动驾驶系统的重要组成部分。以往的基于CNN和Transformer的方法通常先从前方视角图像生成鸟瞰图 (BEV) 特征图，再使用以BEV特征图为输入的子网络预测3D车道。此类方法需要在BEV与前视角之间进行显式视角变换，而该变换本身仍是一个难题。本文提出CurveFormer，一种基于Transformer的单阶段方法，可直接计算3D车道参数，从而规避困难的视角变换步骤。具体而言，我们利用曲线查询将3D车道检测表述为曲线传播问题。一个3D车道查询由动态且有序的锚点集表示。以此方式，在Transformer解码器中具有曲线表示的查询迭代地精化3D车道检测结果。此外，引入曲线交叉注意力模块来计算曲线查询与图像特征之间的相似度。另外，提供了能捕获曲线查询更多相对图像特征的上下文采样模块，以进一步提升3D车道检测性能。我们在合成与真实世界数据集上评估了所提方法的3D车道检测效果，实验结果表明与SOTA方法相比我们的方法取得了有前景的性能。各组件的有效性也通过消融实验得到验证。
引用
@article{arxiv.2209.07989,
title = {CurveFormer: 3D Lane Detection by Curve Propagation with Curve Queries and Attention},
author = {Yifeng Bai and Zhirong Chen and Zhangjie Fu and Lang Peng and Pengpeng Liang and Erkang Cheng},
journal= {arXiv preprint arXiv:2209.07989},
year = {2023}
}
备注
Accepted at the IEEE Conference on Robotics and Automation, ICRA 2023