保持关注车道：实时注意力引导的车道检测

当前的车道线检测方法在复杂真实场景中已取得显著性能，但许多方法在保持实时效率方面仍存在不足，而实时性对自动驾驶车辆至关重要。本文提出了一种基于锚点（anchor-based）的深度车道线检测模型——LaneATT。该模型借鉴通用深度目标检测器的设计思想，在特征池化阶段同样采用锚点机制。鉴于车道线具有规律性且空间相关性强，我们假设在某些情况下，全局信息对于准确推断车道位置尤为关键，尤其是在车道遮挡、车道线缺失等复杂场景中。为此，本文提出一种新颖的基于锚点的注意力机制，能够有效聚合全局上下文信息。该模型在文献中使用最广泛的三个数据集上进行了全面评估，实验结果表明，所提方法在性能与效率两方面均优于现有最先进方法。此外，本文还开展了消融实验，并深入探讨了实际应用中效率权衡的多种可行方案，具有较强的工程实用性。