从BEV重建：一种基于几何结构先验的3D车道检测方法
计算机视觉与模式识别
2022-11-10 v3 机器学习
摘要
在本文中，我们提出了一种先进方法，利用2D到3D车道重建过程中的底层几何结构来解决单目3D车道检测问题。受先前方法启发，我们首先分析3D车道与其在地面上的2D表示之间的几何启发式关系，并提出基于结构先验施加显式监督，这使得建立车道间与车道内的关系以从局部到全局促进3D车道重建成为可能。其次，为减少2D车道表示中的结构损失，我们直接从前视图像中提取BEV车道信息，极大缓解了先前方法中远处车道特征的混淆。此外，我们提出了一种新颖的任务特定数据增强方法，通过为流程中的分割与重建任务合成新的训练数据，来应对相机位姿与地面坡度的数据分布不平衡，从而提升在未见数据上的泛化能力。我们的工作标志着首次尝试将几何先验信息引入基于DNN的3D车道检测，并使得超远距离车道检测成为可能，将原始检测范围翻倍。所提方法可在不增加额外成本的情况下被其他框架平滑采用。实验结果表明，我们的工作在Apollo 3D合成数据集上以82 FPS的实时速度、不引入额外参数的情况下，F-Score比SOTA方法高出3.8%。
引用
@article{arxiv.2206.10098,
title = {Reconstruct from BEV: A 3D Lane Detection Approach based on Geometry Structure Prior},
author = {Chenguang Li and Jia Shi and Ya Wang and Guangliang Cheng},
journal= {arXiv preprint arXiv:2206.10098},
year = {2022}
}
备注
Proceedings of the CVPR 2022 Workshop of Autonomous Driving