使用图搜索和几何约束的大学生方程式无人驾驶赛车车道检测

车道检测是自动驾驶中的一项基本任务。虽然该问题通常被表述为连续边界的检测，但我们研究的是检测由二维点稀疏标记且存在大量误报的车道边界的问题。这个问题出现在大学生方程式无人驾驶比赛中，并且由于其固有的模糊性而具有挑战性。以往的方法效率低下且无法找到长距离解决方案。我们提出了一种名为CLC的确定性算法，该算法使用带有学习到的似然函数的回溯图搜索来克服这些限制。我们对车道候选施加几何约束，以保证几何上合理的车道。我们的穷举搜索在45%的实例中找到了全局最优解，并且该算法总体上对高达50%的误报具有鲁棒性。我们的算法在单个CPU核心上运行时间少于15毫秒，满足了自动驾驶赛车的低延迟要求。我们在真实数据和逼真的赛道布局上广泛评估了我们的方法，结果表明，它通过检测超过100米的长车道且仅有0.6%的严重故障，超越了现有技术水平。这使得我们的自动驾驶赛车能够在未知赛道上接近其物理极限行驶，而不受感知的限制。我们发布了包含逼真大学生方程式赛车道的数据集，以促进进一步的研究。