Détection et classification de voies utilisant des CNNs en cascade

La détection des voies est extrêmement importante pour les véhicules autonomes. Pour cette raison, de nombreuses approches utilisent des informations sur les limites des voies afin de localiser le véhicule dans la rue ou d'intégrer une localisation basée sur le GPS. Comme de nombreuses autres tâches basées sur la vision par ordinateur, les réseaux neuronaux convolutifs (CNNs) représentent la technologie de pointe pour identifier les limites des voies. Cependant, la position des limites des voies par rapport au véhicule peut ne pas suffire pour une localisation fiable, car des informations sur les types de voies peuvent également être nécessaires pour la planification du parcours ou la localisation. Dans ce travail, nous présentons un système complet pour l'identification, le regroupement et la classification des limites des voies, basé sur deux réseaux neuronaux en cascade, qui fonctionne en temps réel. Pour construire ce système, 14 336 instances de limites de voies du jeu de données TuSimple ont été étiquetées à l'aide de 8 classes différentes. Notre jeu de données et le code pour l'inférence sont disponibles en ligne.