联合学习空间、角度和时间信息以增强车道线检测

本文提出一种新颖的车道线检测增强方法，通过光场成像和新型深度学习模型整合空间、角度和时间信息。利用基于微透镜阵列的二维光场表示和LSTM网络，我们的方法在挑战性条件下显著提升了车道线检测性能。我们通过改进的CNN架构展示了该方法的有效性，其性能优于传统方法。我们的发现表明，这种集成数据方法可以推动车道线检测技术的发展，并启发利用这些多维信息进行自动驾驶感知的新模型。