Anchor3DLane：单目3D车道检测中的3D锚回归学习

单目3D车道检测是一项具有挑战性的任务，主要是由于缺乏深度信息。一种常见的解决方案是首先通过逆透视映射（IPM）将前视图（FV）图像或特征转换到鸟瞰图（BEV）空间中，然后从BEV特征中检测车道。然而，IPM依赖于平坦地面假设以及上下文信息的丢失，使得从BEV表示中恢复3D信息变得不准确。已有尝试摆脱BEV，直接从前视图表示中预测3D车道，但由于缺乏结构化的3D车道表示，这种方法的表现仍然不如基于BEV的方法。在本文中，我们在3D空间中定义了3D车道锚点，并提出了一种无需BEV的方法——Anchor3DLane，该方法可以直接从前视图表示中预测3D车道。3D车道锚点被投影到前视图特征上，以提取包含良好结构和上下文信息的特征，从而进行准确的预测。此外，我们还开发了一种全局优化方法，利用车道之间的等宽特性来减少预测的横向误差。在三个流行的3D车道检测基准上的大量实验表明，我们的Anchor3DLane方法优于以往的基于BEV的方法，并达到了最先进的性能。代码可在以下地址获取：https://github.com/tusen-ai/Anchor3DLane。