面向准确3D车道检测的深度感知BEV特征转换 DB3D-L
计算机视觉与模式识别
2025-05-20 v1
摘要
3D车道检测在自动驾驶中发挥着重要作用。最近的进展主要是从前视(FV)图像构建鸟瞰视角(BEV)特征，以更有效地感知车道的3D信息。然而，由于缺乏深度信息，构建准确的BEV信息受到前视图像的限制，导致以往方法常常依赖平坦地面平面的假设。利用单眼深度估计辅助构建BEV特征更少受制约，但现有方法在整合并工作方面存在挑战。为解决上述问题，本文提出一种基于深度感知BEV特征转换的准确3D车道检测方法。具体地，设计了有效的特征提取模块，其中集成了深度网络，以获取3D感知所必需的关键深度信息，从而简化了视角转换的复杂性。随后提出特征压缩模块，以减少前视特征和深度特征的高度维度，从而实现关键前视特征和深度特征的有效融合。然后设计融合模块，用于从主前视特征和深度信息构建BEV特征。所提方法在人造的Apollo数据集和真实的OpenLane数据集上与最先进的方法表现相当。
引用
@article{arxiv.2505.13266,
title = {DB3D-L: Depth-aware BEV Feature Transformation for Accurate 3D Lane Detection},
author = {Yehao Liu and Xiaosu Xu and Zijian Wang and Yiqing Yao},
journal= {arXiv preprint arXiv:2505.13266},
year = {2025}
}