基于深度学习的单目车道检测综述
计算机视觉与模式识别
2024-12-12 v6
摘要
车道检测在自动驾驶感知系统中发挥着重要作用。随着深度学习算法的流行，基于深度学习的单目车道检测方法已展现出卓越的性能，并成为自动驾驶感知的一个关键研究方向。这些算法框架的核心设计可总结如下：(1) 任务范式，聚焦于车道实例级的区分；(2) 车道建模，将车lane表示为神经网络中的一组可学习参数；(3) 全局上下文补充，增强对模糊车道的推断；(4) 消除透视效应，为下游应用提供准确的3D车道。从这些角度出发，本文综述了现有方法，涵盖日益成熟的2D车道检测方法以及发展中的3D车道检测工作。此外，本文在统一设置下比较了主流方法在不同基准上的性能，并调查了其在公平比较下的推理速度。进一步地，我们 presented一些关于车道检测的延伸工作，包括多任务感知、视频车道检测、在线高清地图构建以及车道拓扑推理，以为读者提供一条车道检测演进的综合路线图。最后，我们指出了该领域一些可能的未来研究方向。我们彻底收集了现有工作的论文和代码，地址为 https://github.com/Core9724/Awesome-Lane-Detection ，并将持续跟踪该领域的研究。
引用
@article{arxiv.2411.16316,
title = {Monocular Lane Detection Based on Deep Learning: A Survey},
author = {Xin He and Haiyun Guo and Kuan Zhu and Bingke Zhu and Xu Zhao and Jianwu Fang and Jinqiao Wang},
journal= {arXiv preprint arXiv:2411.16316},
year = {2024}
}