LaneCPP：基于物理先验的连续 3D 车道检测
计算机视觉与模式识别
2024-06-13 v1
摘要
单眼 3D 车道检测已成为自动驾驶语境中的一个基本问题，涉及寻找路面和定位车道标线的任务。一个主要挑战在于一种既灵活又稳健的线表示，能够建模复杂的车道结构，同时仍避免不可预测的行为。虽然前述方法依赖完全数据驱动的方法，但我们引入了一种新方法 LaneCPP，使用连续 3D 车道检测模型，利用关于车道结构和路面几何的物理先验知识。虽然我们的高级车道模型能够建模复杂的路面结构，但它仍表现稳健，因为通过正则化方案将物理约束纳入我们的参数表示中。此外，我们将关于路面几何的先验知识整合到 3D 特征空间中，通过建模几何感知空间特征来引导网络学习内部路面表示。在实验中，我们展示了我们的贡献的益处，并证明了使用先验知识使 3D 车道检测更稳健的意义。结果表明，LaneCPP 在 F-Score 和几何误差方面实现了最佳性能。
引用
@article{arxiv.2406.08381,
title = {LaneCPP: Continuous 3D Lane Detection using Physical Priors},
author = {Maximilian Pittner and Joel Janai and Alexandru P. Condurache},
journal= {arXiv preprint arXiv:2406.08381},
year = {2024}
}
备注
Accepted at IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2024