LaneNet：面向自动驾驶的实时车道检测网络
计算机视觉与模式识别
2018-07-06 v1
摘要
车道检测旨在检测道路上的车道并提供每条车道的准确位置与形状。它是实现现代辅助与自动驾驶系统的关键技术之一。然而，车道的若干独特属性对检测方法构成挑战。缺乏显著特征使得车道检测算法易于与具有相似局部外观的其他物体混淆。此外，道路上车道数量的不一致以及多样的车道线模式（例如实线、虚线、单线、双线、合流与分流线）进一步妨碍了性能。本文提出一种基于深度神经网络的方法，称为 LaneNet，将车道检测分解为两个阶段：车道边缘提议与车道线定位。第一阶段使用车道边缘提议网络进行像素级车道边缘分类，第二阶段的车道线定位网络随后基于车道边缘提议检测车道线。请注意，我们的 LaneNet 旨在仅检测车道线，这给抑制道路上类似车道标记（如箭头和字符）的误检带来了更多困难。尽管存在诸多困难，我们的车道检测方法在不依赖任何关于车道数量或车道线模式的假设下，对高速公路与城市道路场景均表现出鲁棒性。高运行速度与低计算成本使我们的 LaneNet 具备部署于车载系统的能力。实验验证了我们 LaneNet 在真实交通场景中持续提供卓越性能。
引用
@article{arxiv.1807.01726,
title = {LaneNet: Real-Time Lane Detection Networks for Autonomous Driving},
author = {Ze Wang and Weiqiang Ren and Qiang Qiu},
journal= {arXiv preprint arXiv:1807.01726},
year = {2018}
}