基于逐行分类的端到端车道线检测

在自动驾驶领域，准确且可靠地检测车道线位置是一项至关重要但极具挑战性的任务。传统的车道线检测方法通常采用像素级密集预测，随后依赖复杂的后处理步骤——这一过程不可避免，因为车道线通常以无厚度的线段集合形式表示。本文提出一种端到端的直接车道线顶点预测方法，无需传统密集预测中必需的后处理步骤。具体而言，我们将车道线检测问题转化为逐行分类任务，充分利用了车道线固有的几何形态特征，而这一思路在以往研究中尚未得到充分探索。为高效提取图像中从左至右延伸的车道线信息，我们设计了一种新型网络层，能够逐级压缩水平方向的特征分量，从而构建一个端到端的车道线检测系统，测试阶段仅通过argmax操作即可直接获得最终的车道线位置。实验结果表明，所提方法在两个主流车道线检测基准数据集（TuSimple 和 CULane）上性能达到或超过当前最优方法，充分验证了其有效性。