结构引导的车道线检测
计算机视觉与模式识别
2021-06-11 v2
摘要
近年来，随着深度神经网络与自动驾驶的快速发展，车道线检测取得了巨大进展。然而，仍存在三个主要问题：车道线表征、场景与车道线之间结构关系的建模，以及支持车道线更多属性（如实例与类型）。本文提出一种新颖的结构引导框架同时解决这些问题。在该框架中，我们首先引入一种新的车道线表示来表征每个实例。随后提出一种自顶向下灭点引导的锚定机制以生成密集锚框，高效捕捉各类车道线。接着，利用多层次结构约束提升对车道线的感知。在此过程中，引入基于二值分割的像素级感知以促进锚框周围特征并自底向上恢复车道线细节，提出车道线级关系来建模车道线周围的结构（即平行），并使用图像级注意力从场景角度自适应关注图像不同区域。在结构引导的帮助下，锚框被有效分类与回归以获得精确位置与形状。在公开基准数据集上的大量实验表明，所提方法以单 GPU 上 117 FPS 优于当前最优方法。
引用
@article{arxiv.2105.05403,
title = {Structure Guided Lane Detection},
author = {Jinming Su and Chao Chen and Ke Zhang and Junfeng Luo and Xiaoming Wei and Xiaolin Wei},
journal= {arXiv preprint arXiv:2105.05403},
year = {2021}
}
备注
Accepted by IJCAI 2021