PolyLaneNet：基于深度多项式回归的车道线估计

推动自动驾驶技术取得重大进展的主要因素之一是深度学习的兴起。为了实现更安全的自动驾驶车辆，当前尚未完全解决的关键问题之一便是车道线检测。由于该任务必须实现实时处理（帧率高于30 FPS），相关方法不仅需要具备高准确性（即高效），还必须具有高效率（即快速）。在本研究中，我们提出了一种新型车道线检测方法，该方法以车载前视摄像头采集的图像作为输入，通过深度多项式回归，输出图像中每条车道线的多项式表示。实验结果表明，该方法在TuSimple数据集上的表现与现有最先进方法相当，同时保持了极高的运行效率，达到115 FPS。此外，我们在两个额外的公开数据集上展示了丰富的定性结果，并指出了近期车道线检测研究中所采用评估指标的局限性。最后，我们公开了完整的源代码及训练好的模型，使其他研究者能够复现本文中展示的所有结果——这一点在当前最先进的车道线检测方法中尤为罕见。完整代码与预训练模型已发布于：https://github.com/lucastabelini/PolyLaneNet。