VPGNet：用于车道与道路标线检测和识别的消失点引导网络

在本文中，我们提出了一个统一的端到端可训练多任务网络，该网络在恶劣天气条件下由消失点引导，联合处理车道和道路标线的检测与识别。我们针对雨天和低照度条件进行了研究，由于面临明显的挑战，迄今为止这些问题尚未得到广泛研究。例如，雨天拍摄的图像照度较低，而潮湿的道路会导致光反射并扭曲车道和道路标线的外观。在夜间，有限的照度会导致颜色失真。因此，目前不存在基准数据集，且仅有少数已开发的算法能在恶劣天气条件下工作。为了解决这一不足，我们建立了一个车道和道路标线基准，该基准包含约 20,000 张图像，涵盖四种不同场景（无雨、下雨、大雨和夜间）下的 17 个车道和道路标线类别。我们训练并评估了所提出多任务网络的几个版本，并验证了每个任务的重要性。最终的方法 VPGNet 能够通过单次前向传播检测和分类车道与道路标线，并预测消失点。实验结果表明，我们的方法在各种条件下均实现了高精度和鲁棒性，且满足实时性要求（20 fps）。该基准和 VPGNet 模型将公开发布。