ONCE-3DLanes：构建单目三维车道检测
计算机视觉与模式识别
2022-05-17 v2
摘要
我们提出 ONCE-3DLanes，一个带有三维空间车道布局标注的真实世界自动驾驶数据集。从单目图像进行的常规二维车道检测因路面不平而令自动驾驶中后续的规划与控制任务表现不佳。因此预测三维车道布局是必要的，并可实现有效且安全的驾驶。然而，现有的三维车道检测数据集要么未公开，要么从仿真环境合成，严重阻碍了该领域的发展。本文中，我们着手解决这些问题。通过利用点云与图像像素间的显式关系，设计了一个数据集标注流水线，从 211K 道路场景中的二维车道标注自动生成高质量三维车道位置。此外，我们提出一种无外参、无锚框的方法，称为 SALAD，在图像视角中回归车道的 3D 坐标，而无需将特征图转换为鸟瞰图（BEV）。为促进未来三维车道检测研究，我们对数据集进行基准测试并提供新颖评价指标，对现有方法与我们所提方法进行了广泛实验。我们工作的目标是重振真实场景下的三维车道检测兴趣。相信我们的工作能在学术界与工业界带来预期与非预期的创新。
引用
@article{arxiv.2205.00301,
title = {ONCE-3DLanes: Building Monocular 3D Lane Detection},
author = {Fan Yan and Ming Nie and Xinyue Cai and Jianhua Han and Hang Xu and Zhen Yang and Chaoqiang Ye and Yanwei Fu and Michael Bi Mi and Li Zhang},
journal= {arXiv preprint arXiv:2205.00301},
year = {2022}
}
备注
CVPR 2022. Project page at https://once-3dlanes.github.io