《基于隐式高度编码的BEV车道线检测算法》作者：陈祚，徐士彪【PDF】

书呆熊

基于隐式高度编码的BEV车道线检测算法
陈祚，徐士彪
1北京邮电大学人工智能学院，北京100876
摘要：在高级辅助驾驶系统中，3D车道线检测对下游的定位建图与路径规划起着关键作用，是一项基础但充满挑战的任务。当前的检测模型所提取的车道线特征往往缺乏高度信息，这给准确定位车道线的空间位置带来了困难。为应对这一挑战，本文提出了一种基于隐式编码的BEV车道线检测方法。该方法利用基于逆透视映射（IPM）的高度感知视角变换，提取不同预设高度的鸟瞰图特征，将高度信息转化沟对应采样点不同高度特征的权重向量，从而获得更力丰富的鸟瞰图特征。在此基础上，运用对比学习策略，对双视角空间下的查询编码进行对齐，实现高度几何信息与语义特征的深度融合。此外，还采用了基于线特征的解耦自注意力机制，有效降低了自注意力机制的计算资源消耗。实验结果表明，改进后的模型在OpenLane测试集上将F1值从63.2%提升至64.1%，，验证了改进模型的有效性。
关键词：人工智能，自动驾驶技术，深度学习，车道线检测，鸟瞰图
中图分类号：TP391

十万个为什么

这份研究为自动驾驶系统提供了更精准的车道线检测方案