LaneAF：基于亲和场的鲁棒多车道检测

本研究提出了一种车道线检测方法，该方法通过预测二值分割掩码和像素级亲和力场来实现。这些亲和力场与二值掩码相结合，可在后处理阶段将车道像素在水平和垂直方向上聚类为对应的车道实例。该聚类过程通过简单的逐行解码方式实现，计算开销极低；这一设计使得LaneAF能够检测任意数量的车道，而无需预先假设车道数量的上限或固定值。此外，相较于以往基于视觉的聚类方法，该聚类方式具有更高的可解释性，便于分析并识别与修正错误来源。在多个主流车道线检测数据集上的定性和定量实验结果表明，该模型在车道检测与聚类方面均表现出高效且稳健的性能。所提出的方案在具有挑战性的CULane数据集以及近期提出的无监督LLAMAS数据集上均达到了新的最先进水平。