Eigenlanes：面向结构多样车道的数据驱动车道描述子
计算机视觉与模式识别
2022-03-30 v1
摘要
本文提出一种在eigenlane空间中检测道路车道的新算法。首先，我们引入eigenlanes的概念，即面向结构多样车道（包括弯曲与直车道）的数据驱动描述子。为获取eigenlanes，我们对包含训练集中所有车道的车道矩阵执行最佳秩-M逼近。其次，通过在eigenlane空间中对训练车道聚类，生成一组车道候选。第三，利用车道候选，我们通过构建一种称为SIIC-Net的基于锚点的检测网络来确定最优车道集合。实验结果表明，所提算法对结构多样车道具有优异的检测性能。我们的代码见https://github.com/dongkwonjin/Eigenlanes。
引用
@article{arxiv.2203.15302,
title = {Eigenlanes: Data-Driven Lane Descriptors for Structurally Diverse Lanes},
author = {Dongkwon Jin and Wonhui Park and Seong-Gyun Jeong and Heeyeon Kwon and Chang-Su Kim},
journal= {arXiv preprint arXiv:2203.15302},
year = {2022}
}
备注
Accepted to CVPR2022