論文の概要: Decoupling the Curve Modeling and Pavement Regression for Lane Detection

• arxiv url: http://arxiv.org/abs/2309.10533v1
• Date: Tue, 19 Sep 2023 11:24:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 14:55:27.148222
• Title: Decoupling the Curve Modeling and Pavement Regression for Lane Detection
• Title（参考訳）: レーン検出のための曲線モデリングと舗装回帰のデカップリング
• Authors: Wencheng Han, Jianbing Shen
• Abstract要約: 曲線に基づく車線表現は多くの車線検出法で一般的な手法である。 本稿では,曲線モデルと地上高さ回帰という2つの部分に分解することで,車線検出タスクに対する新しいアプローチを提案する。
• 参考スコア（独自算出の注目度）: 67.22629246312283
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The curve-based lane representation is a popular approach in many lane detection methods, as it allows for the representation of lanes as a whole object and maximizes the use of holistic information about the lanes. However, the curves produced by these methods may not fit well with irregular lines, which can lead to gaps in performance compared to indirect representations such as segmentation-based or point-based methods. We have observed that these lanes are not intended to be irregular, but they appear zigzagged in the perspective view due to being drawn on uneven pavement. In this paper, we propose a new approach to the lane detection task by decomposing it into two parts: curve modeling and ground height regression. Specifically, we use a parameterized curve to represent lanes in the BEV space to reflect the original distribution of lanes. For the second part, since ground heights are determined by natural factors such as road conditions and are less holistic, we regress the ground heights of key points separately from the curve modeling. Additionally, we have unified the 2D and 3D lane detection tasks by designing a new framework and a series of losses to guide the optimization of models with or without 3D lane labels. Our experiments on 2D lane detection benchmarks (TuSimple and CULane), as well as the recently proposed 3D lane detection datasets (ONCE-3Dlane and OpenLane), have shown significant improvements. We will make our well-documented source code publicly available.
• Abstract（参考訳）: 曲線に基づくレーン表現は、レーンを全体オブジェクトとして表現し、レーンに関する全体的情報の使用を最大化できるため、多くのレーン検出手法において一般的なアプローチである。 しかし、これらの方法によって生成される曲線は不規則な直線にうまく適合せず、セグメンテーションベースやポイントベースメソッドのような間接表現と比べて性能の差が生じる可能性がある。 我々はこれらの車線が不規則であるとは考えていないが、不均一な舗装に描かれたため、視界でジグザグのように見える。 本稿では,レーン検出タスクを曲線モデリングと地上高度回帰という2つの部分に分割することにより,新しいアプローチを提案する。 具体的には、BEV空間のレーンを表すためにパラメータ化された曲線を用いて、レーンの元々の分布を反映する。 第2部では, 地盤の高さは道路条件などの自然要因によって決定され, 全体性は低いため, 曲線モデルとは別個の鍵点の高さを回帰する。 さらに、3Dレーンラベルの有無にかかわらずモデルの最適化を導くために、新しいフレームワークと一連の損失を設計することで、2Dレーンと3Dレーンの検出タスクを統一した。 2次元レーン検出ベンチマーク(tusimpleおよびculane)および最近提案された3次元レーン検出データセット(once-3dlaneおよびopenlane)の実験では、大幅な改善が見られた。 十分に文書化されたソースコードを公開します。

関連論文リスト

• Monocular Lane Detection Based on Deep Learning: A Survey [51.19079381823076]
  車線検出は自律運転認識システムにおいて重要な役割を果たす。 ディープラーニングアルゴリズムが普及するにつれて、ディープラーニングに基づく単眼車線検出手法が優れた性能を示した。 本稿では, 成熟度の高い2次元車線検出手法と開発途上国の3次元車線検出技術の両方を網羅して, 既存手法の概要を概説する。
  論文  参考訳（メタデータ） (2024-11-25T12:09:43Z)
• Sketch and Refine: Towards Fast and Accurate Lane Detection [69.63287721343907]
  レーン検出は、現実世界のシナリオの複雑さのため、困難なタスクである。 提案ベースであれキーポイントベースであれ,既存のアプローチでは,車線を効果的かつ効率的に表現することができない。 本稿では,キーポイント法と提案法の両方のメリットを活かした"Sketch-and-Refine"パラダイムを提案する。 実験の結果、我々のSRLaneは高速(278 FPS)で走ることができ、F1スコアは78.9%であることがわかった。
  論文  参考訳（メタデータ） (2024-01-26T09:28:14Z)
• 3D Lane Detection from Front or Surround-View using Joint-Modeling & Matching [27.588395086563978]
  本稿では,Bezier曲線と手法を組み合わせた共同モデリング手法を提案する。 また,3次元サラウンドビューレーン検出研究の探索を目的とした新しい3次元空間についても紹介する。 この革新的な手法は、Openlaneデータセットのフロントビュー3Dレーン検出において、新しいベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-01-16T01:12:24Z)
• BSNet: Lane Detection via Draw B-spline Curves Nearby [21.40607319558899]
  曲線に基づく車線検出手法を,車線表現のグローバル性と局所性の観点から再検討する。 我々は,グローバルな特徴とローカルな特徴の獲得を確実にするために,シンプルで効率的なネットワークBSNetを設計する。 提案手法は,Tusimple,CULane,LLAMASデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-01-17T14:25:40Z)
• CurveFormer: 3D Lane Detection by Curve Propagation with Curve Queries and Attention [3.330270927081078]
  3Dレーン検出は、自動運転システムにとって不可欠な部分である。 以前のCNNとTransformerベースの手法は、通常、フロントビューイメージから鳥の目視(BEV)特徴マップを生成する。 単段トランスフォーマーを用いた3次元レーンパラメータの直接計算法であるCurveFormerを提案する。
  論文  参考訳（メタデータ） (2022-09-16T14:54:57Z)
• RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
  本稿では,リレーチェーン予測に基づく車線検出手法を提案する。 当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
  論文  参考訳（メタデータ） (2022-07-19T16:48:39Z)
• CondLaneNet: a Top-to-down Lane Detection Framework Based on Conditional Convolution [39.62595444015094]
  トップツーダウンのレーン検出フレームワークであるCondLaneNetを提案する。 また,条件付き畳み込みと行毎の定式化に基づく条件付きレーン検出戦略を提案する。 3つのベンチマークデータセットで最新のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-05-11T13:10:34Z)
• CurveLane-NAS: Unifying Lane-Sensitive Architecture Search and Adaptive Point Blending [102.98909328368481]
  CurveLane-NASは、レーンに敏感なアーキテクチャ検索フレームワークである。 長距離コヒーレントと正確な短距離曲線情報の両方をキャプチャする。 点ブレンディングによる曲線線予測において、アーキテクチャ探索と後処理の両方を統一する。
  論文  参考訳（メタデータ） (2020-07-23T17:23:26Z)
• Semi-Local 3D Lane Detection and Uncertainty Estimation [6.296104145657063]
  本手法は, 半局所的, BEV, タイル表現に基づいて, レーンを単純なレーンセグメントに分解する。 セグメントのパラメトリックモデル学習と、セグメントを完全なレーンにまとめるのに使用される深い機能埋め込みを組み合わせる。 本手法は,レーン検出タスクに対する学習に基づく不確実性推定を初めて出力する手法である。
  論文  参考訳（メタデータ） (2020-03-11T12:35:24Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。