Détection de marquage de voie bout-en-bout par classification par ligne

Dans le domaine de la conduite autonome, la détection de positions de marques de voie fiables et précises constitue une tâche cruciale mais difficile. Les approches classiques pour la détection des marques de voie consistent en une prédiction dense au niveau des pixels, suivie d’un post-traitement sophistiqué, indispensable car les marques de voie sont généralement représentées par un ensemble de segments de droite sans épaisseur. Dans cet article, nous proposons une méthode permettant une prédiction directe des sommets des marques de voie de manière end-to-end, c’est-à-dire sans aucune étape de post-traitement requise dans les approches basées sur la prédiction dense au niveau des pixels. Plus précisément, nous reformulons le problème de détection des marques de voie en une tâche de classification par ligne, exploitant ainsi la forme intrinsèque des marques de voie, un aspect qui, étonnamment, n’a pas été suffisamment exploré. Afin d’extraire de manière compacte des informations suffisantes sur les marques de voie, qui s’étendent horizontalement de gauche à droite dans une image, nous proposons une nouvelle couche qui compresse successivement les composantes horizontales, permettant ainsi un système de détection end-to-end des marques de voie dont les positions finales sont simplement obtenues par opération d’argmax au moment de l’évaluation. Les résultats expérimentaux démontrent l’efficacité de la méthode proposée, qui atteint des performances équivalentes ou supérieures aux méthodes de pointe sur deux benchmarks populaires pour la détection des marques de voie, à savoir TuSimple et CULane.