SUPER：一种新型车道检测系统
计算机视觉与模式识别
2020-05-18 v1
摘要
基于人工智能的车道检测算法在过去几年中得到了积极研究。许多算法已展现出优于传统基于特征方法的性能。然而，其准确率通常仍处于低80%或高90%的水平，在使用具有挑战性的图像时甚至更低。本文提出一种实时车道检测系统，称为场景理解物理增强实时（SUPER）算法。所提方法包含两个主要模块：1）作为场景特征提取器的分层语义分割网络；2）用于车道推断的物理增强多车道参数优化模块。我们使用来自Cityscapes、Vistas和Apollo的异构数据训练所提系统，并在四个完全独立的数据集（此前从未见过）上评估性能，包括Tusimple、Caltech、URBAN KITTI-ROAD和X-3000。所提方法表现与已在相同数据集上训练过的车道检测模型相当或更好，且即使在从未训练过的数据集上也表现良好。我们还进行了实车测试。初步测试结果显示，与Mobileye相比，其实时车道检测性能具有前景。
引用
@article{arxiv.2005.07277,
title = {SUPER: A Novel Lane Detection System},
author = {Pingping Lu and Chen Cui and Shaobing Xu and Huei Peng and Fan Wang},
journal= {arXiv preprint arXiv:2005.07277},
year = {2020}
}