LDTR：基于 Transformer 和锚链表示的车道线检测

尽管车道线检测方法近期取得了进展，但由于光照条件和遮挡等因素导致车道线视觉线索有限或无视觉线索的场景，对于自动驾驶而言仍然充满挑战且至关重要。此外，当前的车道线表示需要复杂的后处理，并且难以处理特定实例。受 DETR 架构启发，我们提出了 LDTR，一种基于 Transformer 的模型来解决这些问题。车道线通过一种新颖的锚链进行建模，从一开始就将车道线视为一个整体，这使得 LDTR 能够固有地处理特殊车道线。为了增强车道线实例感知，LDTR 引入了一种新颖的多参考可变形注意力模块，以在对象周围分布注意力。此外，LDTR 结合了两种线 IoU 算法以提高收敛效率，并采用高斯热图辅助分支来增强训练期间的模型表示能力。为了评估车道线检测模型，我们依赖 Fréchet 距离、参数化 F1 分数以及额外的合成指标。实验结果表明，LDTR 在知名数据集上实现了最先进的性能。