缺失特征场景下基于地图增强的自车道检测
计算机视觉与模式识别
2020-04-07 v2
摘要
作为自动驾驶系统中最重要的任务之一,自车道检测已被广泛研究,并在许多场景下取得了令人印象深刻的成果。然而,缺失特征场景下的自车道检测仍是一个未解决的问题。为解决该问题,以往方法致力于提出更复杂的特征提取算法,但它们非常耗时且无法应对极端场景。与其他方法不同,本文利用数字地图中包含的先验知识,其具有增强检测算法性能的强能力。具体而言,我们采用从OpenStreetMap提取的道路形状作为车道模型,该模型与真实车道形状高度一致且与车道特征无关。如此,仅需少量车道特征即可消除道路形状与真实车道之间的位置误差,并提出了一种基于搜索的优化算法。实验表明,所提方法可应用于多种场景,并能以20 Hz的频率实时运行。同时,我们在公开KITTI Lane数据集上评估了所提方法,其取得了最先进的性能。此外,我们的代码将在发表后开源。
引用
@article{arxiv.2004.01101,
title = {Map-Enhanced Ego-Lane Detection in the Missing Feature Scenarios},
author = {Xiaoliang Wang and Yeqiang Qian and Chunxiang Wang and Ming Yang},
journal= {arXiv preprint arXiv:2004.01101},
year = {2020}
}
备注
There has some mistake in experiments