SnowyLane：基于基础设施元素的抗雪路面检测
计算机视觉与模式识别
2025-11-10 v1
摘要
自动驾驶在积雪环境下的车道检测仍是重大挑战，因传统车道标志常缺失或被遮挡。本文提出一种新颖、稳健且实时可行的方法，通过检测路侧垂直设施元素（称为分隔柱的垂直路沿柱）作为间接车道指示器来规避对传统车道标志的依赖。该方法首先感知这些柱子，然后利用参数化的贝塞尔曲线模型进行平滑车道轨迹拟合，结合空间一致性和道路几何。为支持这些困难情景下的训练与评估，我们引入 SnowyLane 新型合成数据集，包含 80,000 个标注帧，覆盖各种雪地驾驶场景，包括不同雪覆盖情况和光照条件。与当前最先进的车道检测系统相比，我们的方法在恶劣天气下表现出显著增强的鲁棒性，尤其在重雪遮挡情况下效果更佳。本工作为冬季场景下的可靠车道检测奠定了坚实基础，并贡献了未来所有天气 autonomous driving 研究的宝贵资源。数据集可在 https://ekut-es.github.io/snowy-lane 访问。
引用
@article{arxiv.2511.05108,
title = {SnowyLane: Robust Lane Detection on Snow-covered Rural Roads Using Infrastructural Elements},
author = {Jörg Gamerdinger and Benedict Wetzel and Patrick Schulz and Sven Teufel and Oliver Bringmann},
journal= {arXiv preprint arXiv:2511.05108},
year = {2025}
}