利用透视变换层在远距离检测车道与道路标线
计算机视觉与模式识别
2020-10-27 v2
摘要
准确检测车道与道路标线对智能车辆而言是一项极为重要的任务。在现有方法中，检测精度常随距离增大而下降。这是因为远距离车道与道路标线在图像中占据极少像素，且其在不同距离与视角下尺度不一致。逆透视映射（IPM）可用于消除透视畸变，但其固有的插值会在远距离车道与道路标线周围产生伪影，从而对车道标线检测与分割精度产生负面影响。为解决该问题，我们采用全卷积网络中的编码器-解码器架构，并借助空间变换网络的思想引入一种新颖的语义分割神经网络。该方法将 IPM 过程分解为多个连续的可微单应变换层，称为“透视变换层”（Perspective Transformer Layers）。此外，插值所得特征图由后续卷积层细化，从而减少伪影并提升精度。所提方法在 TuSimple 与 ApolloScape 两个公开数据集上验证了其在车道标线检测中的有效性。
引用
@article{arxiv.2003.08550,
title = {Detecting Lane and Road Markings at A Distance with Perspective Transformer Layers},
author = {Zhuoping Yu and Xiaozhou Ren and Yuyao Huang and Wei Tian and Junqiao Zhao},
journal= {arXiv preprint arXiv:2003.08550},
year = {2020}
}
备注
6 pages, 8 figures