自寻路径：面向城市自主驾驶的路径提议弱监督分割

我们提出一种弱监督方法，用于分割图像中提议的可行驶路径，旨在实现复杂城市环境中的自主驾驶。利用数据采集车辆记录的路线，我们提出的方法无需人工标注即可生成大量包含提议路径和障碍物的标注图像，然后用这些图像训练深度语义分割网络。借助训练好的网络，我们可以在运行时使用仅配备单目摄像头的车辆分割提议路径和障碍物，而无需依赖道路或车道标记的显式建模。我们在大规模 KITTI 和 Oxford RobotCar 数据集上评估了我们的方法，并展示了在多种光照、天气和交通条件下，于广泛环境中可靠的路径提议和障碍物分割。我们说明了该方法如何在交叉口泛化到多条路径提议，并概述了将该系统集成到城市自主驾驶框架中的计划。