LDNet：使用动态视觉传感器的端到端车道线检测方法
计算机视觉与模式识别
2021-12-01 v2
摘要
现代车辆配备了各种驾驶员辅助系统，包括防止意外偏离车道的自动车道保持。传统车道检测方法采用手工特征或基于深度学习的特征，随后使用基于帧的RGB相机通过后处理技术进行车道提取。在车道检测任务中使用基于帧的RGB相机容易受到光照变化、太阳眩光和运动模糊的影响，这限制了车道检测方法的性能。在自动驾驶的感知栈中引入事件相机进行车道检测任务，是缓解基于帧的RGB相机所遇挑战的最有前景的解决方案之一。本工作的主要贡献是设计了采用动态视觉传感器的车道线检测模型。本文通过设计卷积编码器后接受注意力引导的解码器，探索了使用事件相机进行车道线检测的新颖应用。编码特征的空间分辨率通过密集空洞空间金字塔池化（ASPP）模块得以保留。解码器中的加性注意力机制提升了对高维输入编码特征的性能，促进了车道定位并减轻了后处理计算。使用用于车道提取的 DVS 数据集（DET）评估了所提工作的有效性。实验结果表明，在多类和二类车道线检测任务中， 分数分别显著提升了 和 。此外，在多类和二类任务中，所提方法的交并比（）分数分别比表现最佳的现有方法高出 和 。
引用
@article{arxiv.2009.08020,
title = {LDNet: End-to-End Lane Marking Detection Approach Using a Dynamic Vision Sensor},
author = {Farzeen Munir and Shoaib Azam and Moongu Jeon and Byung-Geun Lee and Witold Pedrycz},
journal= {arXiv preprint arXiv:2009.08020},
year = {2021}
}