现代方法通常将车道线检测视为像素级分割问题，但在复杂场景和实时性方面仍面临挑战。受人类视觉感知的启发，我们在严重遮挡和极端光照条件下对车道线的识别主要依赖于上下文与全局信息。基于这一观察，本文提出一种新颖、简洁 yet 高效的车道线检测方法，旨在实现极高的运行速度与对复杂场景的鲁棒性。具体而言，我们将车道线检测建模为一种基于行的全局特征选择问题，通过行级选择机制显著降低计算开销。同时，利用全局特征的大感受野，能够有效应对复杂场景的挑战。此外，基于该框架，我们进一步设计了一种结构化损失函数，显式建模车道线的几何结构特性。在两个主流车道线检测基准数据集上的大量实验表明，所提方法在速度与精度方面均达到当前最优水平。其中，轻量化版本在相同分辨率下可实现300帧/秒以上的处理速度，较此前最先进方法至少提升4倍。相关代码将公开发布。