LaneSegNet：基于车道段感知的自动驾驶地图学习
计算机视觉与模式识别
2026-01-13 v2
摘要
地图作为自动驾驶系统下游应用的关键信息，通常以车道线或中心线表示。然而，现有的地图学习文献主要专注于检测基于几何的车道线或感知中心线的拓扑关系。这两种方法都忽略了车道线与中心线之间的内在联系，即车道线绑定中心线。虽然在一个模型中同时预测两种类型的车道在学习目标上是相互排斥的，但我们提倡将车道段作为一种新的表示形式，无缝融合几何和拓扑信息。因此，我们引入了 LaneSegNet，这是首个生成车道段以获得道路结构完整表示的端到端映射网络。我们的算法具有两个关键改进：一是车道注意力模块，用于在长程特征空间中捕捉关键区域细节；二是参考点的相同初始化策略，增强了车道注意力位置先验的学习。在 OpenLane-V2 数据集上，LaneSegNet 在三项任务上均大幅超越之前的同类方法，即地图元素检测（+4.8 mAP）、中心线感知（+6.9 DET）以及新定义的车道段感知（+5.6 mAP）。此外，其实现了 14.7 FPS 的实时推理速度。代码地址：https://github.com/OpenDriveLab/LaneSegNet。
引用
@article{arxiv.2312.16108,
title = {LaneSegNet: Map Learning with Lane Segment Perception for Autonomous Driving},
author = {Tianyu Li and Peijin Jia and Bangjun Wang and Li Chen and Kun Jiang and Junchi Yan and Hongyang Li},
journal= {arXiv preprint arXiv:2312.16108},
year = {2026}
}
备注
Accepted in ICLR 2024