YOLinO++：用于无地图自动驾驶的通用折线单次估计
计算机视觉与模式识别
2024-02-05 v1
摘要
在自动驾驶中，通常使用高精度地图来支持和补充感知。这些地图制作成本高昂，且随着交通世界的不断变化而迅速过时。为了用传感器数据的检测结果来支持或替代自动驾驶系统的高精地图，感知模块必须能够检测地图特征。我们提出了一种神经网络，它遵循YOLO的单次检测理念，但专为检测图像中的一维结构（如车道边界）而设计。我们通过基于中点的线表示和锚点定义扩展了先前的想法。这种表示可用于描述车道边界、标线，以及诸如车道中心线之类的隐式特征。该方法在高速公路和城市区域的车道中心线、车道边界以及标线的检测性能上展示了广泛的适用性。可以检测到多功能的车道边界，并固有地分类为虚线或实线、路缘、道路边界或隐式界限。
引用
@article{arxiv.2402.00989,
title = {YOLinO++: Single-Shot Estimation of Generic Polylines for Mapless Automated Diving},
author = {Annika Meyer and Christoph Stiller},
journal= {arXiv preprint arXiv:2402.00989},
year = {2024}
}