WS-3D-Lane：基于 2D 车道标签的弱监督 3D 车道检测
计算机视觉与模式识别
2023-01-18 v2 人工智能
摘要
与 2D 车道相比，真实的 3D 车道数据难以精确采集。本文提出一种仅用 2D 车道标签训练 3D 车道的新方法，称为弱监督 3D 车道检测 WS-3D-Lane。通过恒定车道宽度与相邻车道等高假设，我们在训练中间接监督 3D 车道高度。为克服数据采集过程中相机俯仰角动态变化的问题，提出了一种相机俯仰自标定方法。在锚点表示中，我们提出一种带改进非极大值抑制（NMS）方法的双层锚点，使基于锚点的方法能够预测两条相近的车道线。实验在 3D-LaneNet 基础上以两种监督方式进行。在弱监督设定下，我们的 WS-3D-Lane 优于先前的 3D-LaneNet：在 Apollo 3D 合成数据集上 F-score 升至 92.3%，在 ONCE-3DLanes 上 F1 升至 74.5%。同时，纯监督设定下的 WS-3D-Lane 增益更大并优于当前最优。据我们所知，WS-3D-Lane 是弱监督设定下 3D 车道检测的首次尝试。
引用
@article{arxiv.2209.11523,
title = {WS-3D-Lane: Weakly Supervised 3D Lane Detection With 2D Lane Labels},
author = {Jianyong Ai and Wenbo Ding and Jiuhua Zhao and Jiachen Zhong},
journal= {arXiv preprint arXiv:2209.11523},
year = {2023}
}
备注
7 pages, 8 figures. Accepted by ICRA 2023