基于行向分类的端到端车道线标记检测
计算机视觉与模式识别
2020-05-19 v1 机器学习
摘要
在自动驾驶中，检测可靠且准确的车道线标记位置是一项关键却具挑战性的任务。车道线标记检测问题的常规方法执行逐像素的密集预测任务，随后进行复杂的后处理，这是不可避免的，因为车道线标记通常由无厚度的线段集合表示。本文提出一种以端到端方式直接预测车道线标记顶点的方法，即不需要像素级密集预测任务中所需的任何后处理步骤。具体而言，我们将车道线标记检测问题转化为行向分类任务，这利用了车道线标记的内在形状，但令人惊讶的是此前未被充分探索。为紧凑提取图像中自左向右延展的车道线标记的充分信息，我们设计了一种新颖的层，用于连续压缩水平分量，从而实现端到端车道线标记检测系统，其中最终车道线位置在测试时仅通过 argmax 操作简单获得。实验结果证明了所提方法的有效性，其在 TuSimple 与 CULane 两个流行车道线标记检测基准上达到或与最先进方法相当甚至更优。
引用
@article{arxiv.2005.08630,
title = {End-to-End Lane Marker Detection via Row-wise Classification},
author = {Seungwoo Yoo and Heeseok Lee and Heesoo Myeong and Sungrack Yun and Hyoungwoo Park and Janghoon Cho and Duck Hoon Kim},
journal= {arXiv preprint arXiv:2005.08630},
year = {2020}
}