نقدم طريقة عامة وقابلة للتوسع تُسمى Gen-LaneNet للكشف عن المسارات ثلاثية الأبعاد من صورة واحدة. تُلهم هذه الطريقة، التي تستند إلى أحدث التقنيات في مجال 3D-LaneNet، إطارًا موحدًا يحل مشكلات ترميز الصور، تحويل الميزات المكانية وتوقع المسارات ثلاثية الأبعاد في شبكة واحدة. ومع ذلك، نقترح تصاميم فريدة لـ Gen-LaneNet في جوانبين:أولاً، نقدم تمثيلًا جديدًا للمسار المرشح موجهًا بالهندسة في إطار إحداثي جديد ونطبق تحويلًا هندسيًا محددًا لحساب النقاط الحقيقية للمسار ثلاثي الأبعاد مباشرة من الإخراج الشبكي. نوضح أن تناسق نقاط المسار مع الميزات العلوية الأساسية في الإطار الإحداثي الجديد أمر حاسم نحو طريقة عامة في التعامل مع المشاهد غير المألوفة.ثانيًا، نقدم إطارًا قابلاً للتوسع يتكون من مرحلتين يفصل بين تعلم شبكات التقطيع الصوري والشبكات الهندسية الترميزية. بالمقارنة مع 3D-LaneNet، فإن Gen-LaneNet المقترحة تقلل بشكل كبير من كمية البيانات المعلمة للمسارات ثلاثية الأبعاد المطلوبة لتحقيق حل قوي في التطبيقات الفعلية.بالإضافة إلى ذلك، نطلق مجموعة بيانات اصطناعية جديدة واستراتيجيتها لإنشاء لتشجيع تطوير وتقييم طرق الكشف عن المسارات ثلاثية الأبعاد. في التجارب، نجري دراسة تقليص شاملة لنثبت أن Gen-LaneNet المقترحة تتفوق بشكل كبير على 3D-LaneNet من حيث الدقة الوسطى (AP) ومؤشر F.