単眼3D車線検出は、自動運転の文脈において基本的な問題となっています。この問題には、道路表面を見つけることと車線標識を特定することが含まれます。主要な課題の1つは、複雑な車線構造をモデル化できる一方で予測不可能な挙動を避ける柔軟かつ堅牢な線表現です。従来の手法は完全にデータ駆動型アプローチに依存していますが、我々は物理的な先験知識（車線構造や道路幾何学）を利用した連続的な3D車線検出モデルを使用する新しい手法LaneCPPを提案します。我々の洗練された車線モデルは複雑な道路構造をモデル化できるだけでなく、正則化スキームを通じて物理的制約を解析的にパラメトリック表現に組み込むことで堅牢な挙動も示します。さらに、幾何学的に意識した空間特徴をモデル化することで、3D特徴空間に道路幾何学の先験知識を取り入れ、ネットワークが内部的道路表面表現を学習するように誘導します。実験では、我々の貢献の利点を示し、先験知識を使用して3D車線検出をより堅牢にする意味があることを証明しています。結果は、LaneCPPがF値および幾何学的誤差に関して最先端の性能を達成していることを示しています。