2 个月前
通过几何约束从单个图像学习预测3D车道形状和相机姿态
Liu, Ruijin ; Chen, Dapeng ; Liu, Tie ; Xiong, Zhiliang ; Yuan, Zejian

摘要
从摄像头检测三维车道是自动驾驶车辆面临的一个新兴问题。在这个任务中,正确的摄像头姿态是生成准确车道的关键,可以将透视视角图像转换为俯视图。通过这种转换,我们可以消除透视效果,使得三维车道看起来更加相似,并能通过低阶多项式精确拟合。然而,主流的三维车道检测器依赖于其他传感器提供的完美摄像头姿态,这不仅成本高昂,还面临着多传感器校准的问题。为了克服这一问题,我们提出了一种基于两阶段框架的方法,通过单张图像估计摄像头姿态来预测三维车道。第一阶段的目标是从透视视角图像中完成摄像头姿态任务。为了提高姿态估计的准确性,我们引入了一个辅助的三维车道任务和几何约束,以利用多任务学习的优势,增强三维和二维之间的一致性以及上述两个任务之间的兼容性。第二阶段则专注于三维车道任务,利用先前估计的姿态生成包含距离不变车道外观的俯视图,以便预测准确的三维车道。实验结果表明,在没有真实摄像头姿态的情况下,我们的方法优于现有的基于完美摄像头姿态的方法,并且具有最少的参数和计算量。代码已发布在 https://github.com/liuruijin17/CLGo。