BSNet: Lane Detection via Draw B-spline Curves Nearby

要約

カーブベースの方法は、古典的な車線検出方法の 1 つです。
彼らは、直感的で簡潔な車線の全体的な表現を学びます。
ただし、レーン表現と最適化の制限により、パフォーマンスは最近の最先端の方法に遅れをとっています。
この論文では、車線表現のグローバル性と局所性の観点から、曲線ベースの車線検出方法を再検討します。
車線表現のグローバル性は、車線の目に見えない部分を目に見える部分で完成させる能力です。
レーン表現の局所性は、パラメーターの最適化を簡素化できるレーンをローカルに変更する機能です。
具体的には、最初に b スプライン曲線を活用して車線に適合させることを提案します。これは、局所性とグローバル性を満たしているためです。
次に、グローバルおよびローカル機能の取得を確実にするために、シンプルで効率的なネットワーク BSNet を設計します。
第三に、車線検出の最適化の目的をより合理的にし、悪条件の問題を軽減するために、新しいカーブ距離を提案します。
提案された方法は、Tusimple、CULane、および LLAMAS データセットで最先端のパフォーマンスを達成し、リアルタイム (197FPS) をはるかに超えて実行しながら、車線検出タスクにおける曲線ベースの方法の精度を劇的に改善しました。

要約(オリジナル)

Curve-based methods are one of the classic lane detection methods. They learn the holistic representation of lane lines, which is intuitive and concise. However, their performance lags behind the recent state-of-the-art methods due to the limitation of their lane representation and optimization. In this paper, we revisit the curve-based lane detection methods from the perspectives of the lane representations’ globality and locality. The globality of lane representation is the ability to complete invisible parts of lanes with visible parts. The locality of lane representation is the ability to modify lanes locally which can simplify parameter optimization. Specifically, we first propose to exploit the b-spline curve to fit lane lines since it meets the locality and globality. Second, we design a simple yet efficient network BSNet to ensure the acquisition of global and local features. Third, we propose a new curve distance to make the lane detection optimization objective more reasonable and alleviate ill-conditioned problems. The proposed methods achieve state-of-the-art performance on the Tusimple, CULane, and LLAMAS datasets, which dramatically improved the accuracy of curve-based methods in the lane detection task while running far beyond real-time (197FPS).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google