论文地址: https://arxiv.org/pdf/2011.04233.pdf
代码: 公众号回复:2011.04233
来源: 西安交通大学,首都师范大学
论文名称:End-to-end Lane Shape Prediction with Transformers
原文作者:Ruijin Liu
内容提要
车道线检测是将车道识别为近似曲线的过程,广泛应用于自动驾驶汽车的车道线偏离警告和自适应巡航控制。目前流行的方法是分两步解决问题:特征提取和后处理。虽然有用,但在学习全局上下文和通道的长而细的结构方面存在缺陷,效率较低。本文提出了一种端到端的方法,该方法可以直接输出车道形状模型的参数,使用通过transformer构建的网络来学习更丰富的结构和上下文。车道形状模型是基于道路结构和摄像头姿势制定的,可为网络输出的参数提供物理解释。transformer使用自我注意机制对非局部交互进行建模,以捕获细长的结构和全局上下文。本文提出的方法已在TuSimple基准测试中得到验证,并以最轻巧的模型尺寸和最快的速度显示了最新的准确性。此外,我们的方法对具有挑战性的自收集车道线检测数据集显示了极佳的适应性,证明了其在实际应用中的强大部署潜力。
主要框架及实验结果
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请加上文微信联系删除。