基于伪激光雷达的道路检测

道路检测对于自动驾驶汽车而言是一项至关重要的任务。借助激光雷达数据，近期的研究显著提升了道路检测的精度。然而，在仅有摄像头可用时，依赖激光雷达传感器限制了这些方法的广泛应用。本文提出一种新颖的道路检测方法，其推理阶段仅以RGB为输入。具体而言，我们利用深度估计生成伪激光雷达，并提出一种特征融合网络，将RGB与学习到的深度信息相融合以提升道路检测性能。为进一步优化网络结构并提升网络效率，我们使用神经架构搜索(NAS)技术搜索特征融合模块的网络结构。最后，考虑到通过深度估计从RGB生成伪激光雷达会引入额外的计算开销并依赖深度估计网络，我们设计了一种模态蒸馏策略，并借助该策略在推理阶段进一步使网络摆脱这些额外计算开销与依赖。所提方法在两个具有挑战性的基准数据集KITTI和R2D上取得了最先进的性能。