Gen-LaneNet：一种用于三维车道检测的泛化且可扩展方法
计算机视觉与模式识别
2020-11-20 v1
摘要
我们提出一种称为 Gen-LaneNet 的泛化且可扩展的方法，用于从单幅图像中检测三维车道。该方法受最新最先进的 3D-LaneNet 启发，是一个在单一网络中解决图像编码、特征空间变换和三维车道预测的统一框架。然而，我们在两方面为 Gen-LaneNet 提出了独特设计。首先，我们在新坐标系下引入一种几何引导的车道锚点表示，并应用特定的几何变换从网络输出直接计算出真实的三维车道点。我们证明，在新坐标系下使车道点与底层俯视特征对齐，对于处理陌生场景的泛化方法至关重要。其次，我们提出一种可扩展的两阶段框架，将图像分割子网络与几何编码子网络的学习解耦。与 3D-LaneNet 相比，所提出的 Gen-LaneNet 大幅减少了在真实世界应用中实现鲁棒解所需的三维车道标注量。此外，我们发布了一个新的合成数据集及其构建策略，以鼓励三维车道检测方法的开发与评估。在实验中，我们进行了广泛的消融研究，证实所提出的 Gen-LaneNet 在平均精度（AP）和 F 值上显著优于 3D-LaneNet。
引用
@article{arxiv.2003.10656,
title = {Gen-LaneNet: A Generalized and Scalable Approach for 3D Lane Detection},
author = {Yuliang Guo and Guang Chen and Peitao Zhao and Weide Zhang and Jinghao Miao and Jingao Wang and Tae Eun Choe},
journal= {arXiv preprint arXiv:2003.10656},
year = {2020}
}