PVALane : Détection 3D de lignes guidée par priori avec alignement de caractéristiques indépendant de la vue

La détection monofocale de lignes 3D est essentielle pour un système d’automatisation de conduite fiable et connaît récemment un développement rapide. Les méthodes courantes existantes reposent principalement sur des ancres 3D prédéfinies pour la détection de lignes, fondées sur l’espace vu en vue frontale (FV), dans le but de réduire les effets des transformations de perspective. Toutefois, la distorsion géométrique perspective entre l’espace FV et l’espace 3D dans cette approche basée sur la vue frontale entraîne des conceptions d’ancres extrêmement denses, ce qui conduit finalement à des représentations de lignes ambiguës. Dans cet article, nous proposons une nouvelle approche guidée par des connaissances a priori pour la détection de lignes, ainsi qu’un cadre end-to-end nommé PVALane, qui exploite les connaissances 2D a priori afin d’obtenir une détection 3D précise et efficace. Étant donné que les prédictions de lignes 2D fournissent des a priori forts quant à l’existence des lignes, PVALane utilise les caractéristiques de la vue frontale pour générer des ancres a priori creuses contenant des lignes potentielles dans l’espace 2D. Ces ancres a priori dynamiques permettent à PVALane d’obtenir des représentations de lignes distinctes et d’améliorer efficacement la précision grâce à la réduction de l’espace de recherche des lignes. En outre, en exploitant ces ancres a priori et en représentant les lignes à la fois dans les espaces FV et vue de dessus (BEV), nous alignons et fusionnons efficacement les informations sémantiques et géométriques provenant des caractéristiques FV et BEV. Des expériences étendues menées sur les jeux de données OpenLane et ONCE-3DLanes démontrent les performances supérieures de notre méthode par rapport aux approches état de l’art existantes, ainsi qu’une excellente robustesse.