RoadPainter：点是拓扑transformER的理想导航器
计算机视觉与模式识别
2024-07-23 v1
摘要
拓扑推理旨在提供精确的路网场景理解，使自动系统能够识别安全且高效的路由。在本文中，我们提出了RoadPainter，这是一种创新的方法，用于使用多视图图像检测和推理车道中心线的拓扑结构。RoadPainter的核心概念是从每个中心线掩码中提取一组点，以提高中心线预测的准确性。我们首先实现了一个集成混合注意力机制和真实-虚拟分离策略的transformer解码器，用于预测粗糙的车道中心线并建立拓扑关联。然后，我们根据中心线点从transformer解码器生成中心线实例掩码。此外，我们从每个掩码中推导出另一组点并与先前检测到的中心线点结合，以进行进一步的细化。此外，我们引入了一个可选模块，用于将标准定义(SD)地图纳入，以进一步优化中心线检测并增强拓扑推理性能。在OpenLane-V2数据集上的实验评估表明，RoadPainter实现了拳头数据集上的领先性能。
引用
@article{arxiv.2407.15349,
title = {RoadPainter: Points Are Ideal Navigators for Topology transformER},
author = {Zhongxing Ma and Shuang Liang and Yongkun Wen and Weixin Lu and Guowei Wan},
journal= {arXiv preprint arXiv:2407.15349},
year = {2024}
}
备注
17 pages, 5 figures, Accepted by ECCV 2024