基于双约定循环神经网络的实时车道 ID 估计
计算机视觉与模式识别
2020-01-15 v1
摘要
获取道路车道结构信息是实现自主导航的关键步骤。为此，多种方法从不同角度应对该任务，例如车道线检测或语义车道分割。然而，据我们所知，尚不存在纯视觉端到端方案来回答这一精确问题：如何估计多车道道路或高速公路上当前行驶车道的相对编号或“ID”？在这项工作中，我们提出了一种基于左右双约定的实时纯视觉（即单目相机）解决方案。我们将该任务解释为分类问题，将车道候选的最大数量限制为八个。我们的方法旨在满足低复杂度和有限运行时要求。它利用输入序列固有的时间维度，以超越高复杂度的当前最优 (state-of-the-art) 模型。我们在具有极端条件和不同路线的挑战性测试集上取得了超过 95% 的准确率。
引用
@article{arxiv.2001.04708,
title = {Real-Time Lane ID Estimation Using Recurrent Neural Networks With Dual Convention},
author = {Ibrahim Halfaoui and Fahd Bouzaraa and Onay Urfalioglu and Li Minzhen},
journal= {arXiv preprint arXiv:2001.04708},
year = {2020}
}