近期阅读的几篇关于车道线检测的论文总结。
1. 车道线检测任务需求分析
1.1 问题分析
针对车道线检测任务,需要明确的问题包括:
(1)如何对车道线建模,即用什么方式来表示车道线。
从应用的角度来说,最终需要的是车道线在世界坐标系下的方程。而神经网络更适合提取图像层面的特征,直接回归方程参数不是不可能,但限制太多。
由此,网络推理输出和最终结果之间存在一个Gap,需要相对复杂的后处理去解决。
(2)网络推理做到哪一步。
人在开车时观察车道线,会同时关注两方面信息:
- 绘制在路面上的车道线标识本身
- 通过车道线标识,表征的抽象的车道分隔边界线
同样,在网络结构设计时,也可以把推理目标设置为这两类:
- 图像分割方案倾向于识别第一种信息,对每一个像素是否属于车道线标识,以及标识的类别进行判断。
- 类图像检测方案倾向于识别第二种信息,在设定的一系列anchor中判断是否存在车道线,以及回归车道线的位置参数。
1.2 面临挑战
针对车道线检测任务,面临的挑战主要有:
(1)车道线这种细长的形态结构,需要更加强大的高低层次特征融合,来同时获取全局的空间结构关系,和细节处的定位精度。
(2)车道线的形态有很多不确定性,比如被遮挡,磨损,以及道路变化时本身的不连续性。需要网络针对这些情况有较强的推测能力。
(3)在实际应用中,车辆稳定行驶在车道中央的工况并不算关键工况,车辆的偏离或换道过程才是关键工况,此时会产生自车所在车道的切换,车道线也会发生左/右线的切换。
据此,一些提前给车道线赋值固定序号的方法,在实际使用中是有巨大缺陷的,在换道过程中会产生歧义的情况。
这种方法在刷数据集指标的时候可能效果OK,但在应用中,从网络结构设计的角度,无法应对换道这种关键工况。
2. 论文要点解读
按照arXiv上发布的时间顺序。
《Robust Lane Detection from Continuous Driving Scenes Using Deep Neural Networks》
论文链接
将车道线检测作为一个分割问题来处理,最后输出车道线前景和背景的2值分割图。
网络整体上使用了CNN+RNN的结构。
CNN的部分采用了常规的Encoder-Decoder结构。
在Encoder和Decoder之间插入ConvLSTM
模块,通过ConvLSTM
对Encoder部分提取的Feature-map进行处理,提取有用的隐含历史信息。如下图所示:
在训练阶段,针对Tusimple数据集,将连续5帧作为输入,并在带有标注的最后一帧计算Loss。
在推理阶段,连续帧图像持续输入,每一帧图像经过处理都会输出对应的推理结果。
《CurveLane-NAS: Unifying Lane-Sensitive Architecture Search and Adaptive Point Blending》
论文链接
参考了Dense Prediction Based
(分割的思路)和 Proposal Based
(检测的思路)两种车道线检测的框架,以后者为基础,采用了NAS的方法,获得了一个更适合车道线检测任务的网络结构。
网络整体上可以分为以下几个部分:
- 特征提取及多尺度融合,在这两个阶段均引入了NAS的方法;
- 多尺度检测输出,以充分获取大范围内的全局结构特征,以及小范围内的精确定位
- 结果融合,采用一种叫做
Adaptive Point Blending Search
的方法(类似于一种NMS方法,将低层输出中位置精度回归较高的点逐步向高层输出替换,得到最后融合优化的车道线点输出)
而这篇文章还有一个重大的贡献,即发布了一个大规模的车道线检测公开数据集Curvelanes。在此之前,只有Tusimple和CULane,Curvelanes的体量跟CULane相当,场景更加多样化。
《Heatmap-based Vanishing Point boosts Lane Detection》
论文链接
网络整体上同样采用Encoder-Decoder结构,在车道线的预测Head以外,增加了一个Head,用于消失点的预测。
将消失点看做一种特殊的关键点,采用Heatmap的方式来预测。
通过这种方式,将消失点预测任务作为一种限制和引导因素,来优化车道线检测的结果。
车道线检测和消失点检测,两个任务有多种组合方式。
经试验,LD-mid-VP的结构,在CULane数据集上能够获得最好的结果。这种结构将特征提取阶段的输出和车道线预测的输出进行信息融合,再经过一些卷积层(mid部分)的处理后,输出消失点的预测结果。
从直观层面理解,人根据视觉判断消失点,也是根据车道线的位置关系,来推测消失点位置,具有一定的因果关系。因此把消失点预测任务后置,反过来也能够促进前端的车道线预测任务更好地收敛。
在此之前,还有一篇较有代表性的文章 VPGNet,同样是通过消失点来引导网络学习,以期获得更好的收敛效果。不同的是VPGNet是通过四象限分割的方式来定义消失点位置,感觉不如Heatmap的方式更加符合直觉。
《Lane Detection Model Based on Spatio-Temporal Network with Double ConvGRUs》
论文链接
整体思路与第一篇论文比较类似。都是Encoder+RNN+Decoder。结构如下图所示:
不同的是,它的RNN部分由两个ConvGRU组成,Front-ConvGRU
和Middle-ConvGRUs
。
Front-ConvGRU
位于Encoder部分的第二个卷积模块之后。理论依据主要是认为视觉感知和记忆之间存在联系,因此在低层特征中引入RNN模块。
此处有一点没有理解,从文中给出的结构图看,FCGRU这个模块,并没有在前后帧的时序上产生联系(对比MCGRU的画法可以发现),连接关系类似一个普通的Conv模块,只有一个输入,一个输出。
我不确定是示意图画的问题,还是此处的GRU模块有什么特殊的用法。
按论文的说法,经FCGRU处理前后的Feature-map可视化结果。车道线特征更加明显突出。
Middle-ConvGRUs
位于Encoder和Decoder部分之间,作用主要是用于提取连续帧输入的时序关联信息,与前文所说的ConvLSTM
是类似的。
《RESA: Recurrent Feature-Shift Aggregator for Lane Detection》
论文链接
网络同样基于Encoder-Decoder结构进行改进。在Encoder和Decoder部分之间,插入RESA
模块,增强空间结构信息在全局的传播能力。结构如下图所示:
同样的思路可以回溯到SCNN这篇文章。
同样是通过在Encoder-Decoder之间插入一个SCNN
模块,来增强网络感知空间结构信息的能力。
按论文的说法,RESA
模块比SCNN
模块的效率要高,时间复杂度与尺度的关系为$log_2L$。
3. 总体趋势分析
总结近期车道线检测领域的论文,有如下一些发展趋势:
-
车道线检测的应用场景具有很明显的时序信息特征,为了利用到时序信息,通常采用
Encoder-RNN-Decoder
这样的网络架构,利用RNN模块,对Encoder提取的Features进行进一步加工,提取连续帧带来的历史信息。可以参考人的视觉暂留现象,人在开车时观察车道线,能够自觉把虚线识别为一条空间上连续的线,也是利用了前后的时序信息。
-
在全图分割的思路以外,出现了一些以目标检测的思路来处理车道线检测问题的方法。
此处还有一篇较有代表性的文章 PINet,等读完之后进行补充。
-
除了车道线检测本身,通过增加一些额外的相关任务,引导网络更好地学习,来获得更好的效果。