TPE-Net：用于轨道路径提议生成的轨迹点提取与关联网络

自动驾驶列车的一个基本特征是最小化与第三方物体的碰撞风险。为评估风险，控制系统必须识别前方列车可能行驶的所有轨道线路的拓扑信息，尤其是在汇合或分流轨道处。据此，列车可确定潜在障碍物相对于其线路的状态，从而及时决策。大量研究已成功在前视图像中将全部轨道作为整体提取，而未考虑要素实例。仍有部分基于图像的方法在三维数据上采用铁路几何的硬编码先验知识来关联左右轨道并生成轨道线路实例。然而，我们提出了一种轨道路径提取流程，其中每条轨道线路实例的左右轨道像素通过称为 TPE-Net 的全卷积编码器-解码器架构提取并关联。我们提出了 TPE-Net 的两个不同回归分支，用于回归各轨道线路中心点的位置及其对应的左右像素。提取的轨道像素随后经空间聚类生成所有可能列车线路（自路径）的拓扑信息，并丢弃非自路径部分。在一个具有挑战性且公开发布的基准上的实验结果显示，真阳性像素级平均精度与召回率分别为 0.9207 与 0.8721，帧率约 12 帧每秒。尽管我们的评估结果未高于 SOTA，所提回归流程在单次观察图像提取对应关系方面表现优异，可在不依赖相机参数、三维数据与几何约束的情况下生成强轨道线路假设。