
摘要
当前最先进的车道线检测方法通常依赖于关于车道线的特定先验知识,例如直线或参数化曲线等几何特性,以实现车道线的检测。尽管这类先验知识有助于简化建模过程,但在处理具有复杂拓扑结构的车道线(如密集分布、分叉、强烈弯曲等情况)时仍面临显著挑战。近年来,基于动态卷积的方法展现出良好的性能,其通过提取车道线某些关键位置(如起点)的特征作为卷积核,将这些核与整个特征图进行卷积操作,从而实现车道线检测。虽然此类方法减少了对特定几何先验的依赖,但由于车道线本身具有长而细的结构特性,仅从关键点生成的卷积核难以捕捉车道线的全局结构信息,导致在复杂拓扑场景下检测精度下降。此外,这些基于关键点生成的卷积核对遮挡和车道交汇等复杂情况也较为敏感。为克服上述局限性,本文提出一种基于Transformer的动态卷积核生成架构,用于车道线检测。该方法利用Transformer模型,从输入图像的全局特征图中建模并生成每个车道线对应的动态卷积核,随后通过动态卷积操作实现车道线的精准检测。与仅依赖车道线关键点生成卷积核的方法相比,本方法所生成的卷积核能够充分捕捉车道线的全局结构信息,显著提升了对遮挡及复杂拓扑结构车道线的建模能力。我们在三个主流车道线检测基准数据集上对所提方法进行了评估,实验结果表明其达到了当前最优性能。具体而言,在OpenLane数据集上,F1分数达到63.40,较现有最先进方法提升4.30个百分点;在CurveLanes数据集上,F1分数达到88.47,领先于当前最优方法2.37个百分点。