M$^2$-3DLaneNet：探索多模态三维车道检测

在三维空间中准确估计车道线仍然具有挑战性，主要是由于其稀疏和细长的特性。以往的研究主要集中在利用图像进行三维车道检测，这导致了固有的投影误差和几何信息的丢失。为了解决这些问题，我们探讨了利用激光雷达（LiDAR）进行三维车道检测的潜力，无论是作为独立方法还是与现有的单目方法结合使用。本文提出了一种名为M$^2$-3DLaneNet的方法，旨在整合来自多个传感器的互补信息。具体而言，M$^2$-3DLaneNet通过深度补全将二维特征提升到三维空间，从而融入激光雷达数据中的几何信息。随后，通过跨模态鸟瞰图（BEV）融合进一步增强这些提升后的二维特征与激光雷达特征。在大规模OpenLane数据集上的广泛实验表明，无论是在75米还是100米范围内，M$^2$-3DLaneNet均表现出有效性。