M$^2$-3DLaneNet：探索多模态三维车道检测
计算机视觉与模式识别
2023-08-10 v3
摘要
在三维空间中估计准确的车道线因其稀疏且细长的特性而具挑战性。先前工作主要聚焦于使用图像进行三维车道检测，导致固有的投影误差与几何信息丢失。为解决这些问题，我们探索利用 LiDAR 进行三维车道检测的潜力，既可作为独立方法，也可与现有单目方法结合。本文中，我们提出 M-3DLaneNet 以融合来自多传感器的互补信息。具体而言，M-3DLaneNet 通过深度补全引入 LiDAR 数据的几何信息，将二维特征提升至三维空间。随后，通过跨模态 BEV 融合，利用 LiDAR 特征进一步增强提升后的二维特征。在大规模 OpenLane 数据集上的大量实验证明了 M-3DLaneNet 的有效性，无论检测范围为 75m 还是 100m。
引用
@article{arxiv.2209.05996,
title = {M$^2$-3DLaneNet: Exploring Multi-Modal 3D Lane Detection},
author = {Yueru Luo and Xu Yan and Chaoda Zheng and Chao Zheng and Shuqi Mei and Tang Kun and Shuguang Cui and Zhen Li},
journal= {arXiv preprint arXiv:2209.05996},
year = {2023}
}
备注
update