ElasticLaneNet：一种用于车道检测的高效几何灵活方法
计算机视觉与模式识别
2024-04-04 v2
摘要
车道检测任务涉及实时识别行驶区域的边界。识别具有可变且复杂几何结构的车道仍是一项挑战。本文探索了一种名为 Elastic Lane map (ELM) 的隐式车道表示新灵活方式，并引入了一种高效的物理信息端到端车道检测框架，即 ElasticLaneNet（弹性交互能量信息车道检测网络）。该方法将预测车道视为在形状灵活的 ELM 上移动的零等值线，并在弹性交互能量损失函数（EIE loss）的引导下向真实值靠拢。我们的框架很好地融合了全局信息与低层特征。该方法在复杂车道场景下表现优异，包括大曲率、交叉口处弱几何特征、复杂交叉车道、Y 形车道、密集车道等。我们在三个数据集上应用了该方法：SDLane、CULane 和 TuSimple。结果展示了我们方法的卓越性能，在结构多样的 SDLane 上取得了 SOTA 结果，F1 分数为 89.51，召回率为 87.50，精确率为 91.61，且推理速度快。
引用
@article{arxiv.2312.10389,
title = {ElasticLaneNet: An Efficient Geometry-Flexible Approach for Lane Detection},
author = {Yaxin Feng and Yuan Lan and Luchan Zhang and Yang Xiang},
journal= {arXiv preprint arXiv:2312.10389},
year = {2024}
}