超快速结构感知深度车道线检测

现代方法主要将车道线检测视为像素级分割问题，难以应对复杂场景与速度问题。受人类感知启发，在严重遮挡与极端光照条件下对车道线的识别主要基于上下文与全局信息。受此观察驱动，我们提出一种新颖、简单却有效的形式化方法，旨在实现极快速度与复杂场景下的检测。具体而言，我们将车道线检测过程视为利用全局特征基于行的选择问题。借助基于行的选择，我们的形式化可显著降低计算成本。通过在全局特征上使用大感受野，我们也能处理复杂场景。此外，基于该形式化，我们还提出一种结构损失以显式建模车道线结构。在两个车道线检测基准数据集上的大量实验表明，我们的方法在速度与精度上均能达到最先进（SOTA）性能。轻量版甚至可在相同分辨率下达到每秒 300+ 帧，比先前最先进方法至少快 4 倍。我们的代码将公开可用。