车道线检测-LSTR-论文学习笔记

车道线检测是将车道标记识别为近似曲线的过程,被广泛用于自动驾驶汽车的车道线偏离警告和自适应巡航控制。流行的分两步解决问题的pipeline:特征提取和后处理。虽然有用,但效率低下,在学习全局上下文和通道的长而细的结构方面存在缺陷。

为了解决这些问题,我们提出了一种端到端方法,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。

车道线检测-LSTR-论文学习笔记_第1张图片

Transformer使用自注意力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。

车道线检测-LSTR-论文学习笔记_第2张图片

主要贡献:

车道线检测-LSTR-论文学习笔记_第3张图片

实验结果

该方法已在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出出色的适应性,显示了其在实际应用中的强大部署潜力。

车道线检测-LSTR-论文学习笔记_第4张图片

车道线检测-LSTR-论文学习笔记_第5张图片

车道线检测-LSTR-论文学习笔记_第6张图片

车道线检测-LSTR-论文学习笔记_第7张图片

LSRT车道线检测

你可能感兴趣的:(计算机视觉,学习,人工智能,深度学习)