基于动态视觉传感器的结构感知车道线提取网络
计算机视觉与模式识别
2020-08-17 v1
摘要
车道线提取是自动驾驶中基础而必要的任务。尽管近年来基于深度学习模型的车道线提取取得了重大进展，但它们都针对帧式相机生成的普通 RGB 图像，这在极端情况（如巨大光照变化）下限制了性能。为解决这个问题，我们将动态视觉传感器（DVS）——一种基于事件的传感器——引入车道线提取任务，并构建了一个高分辨率 DVS 车道线提取数据集。我们采集原始事件数据并生成 5,424 张分辨率为 1280×800 像素的 DVS 图像，为现有所有 DVS 数据集中分辨率最高者。所有图像均以多类语义分割格式标注。随后我们提出一种结构感知网络用于 DVS 图像中的车道线提取。该网络借助多方向切片卷积可全面捕获方向信息。我们在该数据集上将所提网络与其他最先进的车道线提取模型进行了评估。实验结果表明我们的方法优于其他竞争对手。该数据集已公开，包含原始事件数据、累积图像与标签。
引用
@article{arxiv.2008.06204,
title = {Structure-Aware Network for Lane Marker Extraction with Dynamic Vision Sensor},
author = {Wensheng Cheng and Hao Luo and Wen Yang and Lei Yu and Wei Li},
journal= {arXiv preprint arXiv:2008.06204},
year = {2020}
}