SC-Lane：基于斜率感知与一致性的道路高度估计框架用于3D车道检测
计算机视觉与模式识别
2025-08-15 v1
摘要
本文提出SC-Lane，一种新型斜率感知且时序一致的高度图估计框架，用于3D车道检测。不同于依赖固定斜率锚点的先前方法，SC-Lane自适应确定斜率特定高度特征的融合，提高了对多样化道路几何形态的鲁棒性。为实现此目标，我们提出斜率感知自适应特征模块，动态预测从图像线索中获得的用于整合多斜率表示到统一高度图的合适权重。此外，高度一致性模块确保跨连续帧的高度估计稳定准确，这对于现实驾驶场景至关重要。为评估SC-Lane效果，我们采用三大标准指标——平均绝对误差（MAE）、均方根误差（RMSE）和基于阈值的准确率，尽管这些指标在表面和深度估计中常见，但在道路高度评估中鲜有使用。我们采用先前工作[20]引入的LiDAR派生高度图数据集，对方法进行基准测试，从而为未来比较建立严格标准。大量实验表明，SC-Lane在高度估计和3D车道检测方面显著提升，实现最先进性能，F评分达64.3%，优于现有方法。关于详细结果和演示视频，请参阅我们的项目页面：https://parkchaesong.github.io/sclane/
引用
@article{arxiv.2508.10411,
title = {SC-Lane: Slope-aware and Consistent Road Height Estimation Framework for 3D Lane Detection},
author = {Chaesong Park and Eunbin Seo and Jihyeon Hwang and Jongwoo Lim},
journal= {arXiv preprint arXiv:2508.10411},
year = {2025}
}
备注
10 pages, 4 figures, 5 tables