论文地址：https://arxiv.org/abs/2004.11757 代码：即将开源… 来源：浙江大学 论文名称：Ultra Fast Structure-aware Deep Lane Detection 原文作者：Zequn Qin
现有车道线检测方法通常将车道检测认为是像素分割的问题，难以解决具有挑战性的场景和速度问题。受人类感知的启发，在严重遮挡和极端光照条件下对车道线的识别主要基于上下文和全局信息。基于这种观察，本文提出了一种简单而有效的方法，将车道线检测过程视为使用全局特征的基于行的选择问题,使用全局特征在图像的预定义行中选择车道的位置，而不是基于局部接受域分割车道的每个像素，这大大降低了计算成本。在全局特征上使用较大的接受域，同时可以处理具有挑战性的场景。
此外，在此基础上，还提出了一种结构损失模型来明确地模拟车道的结构。本文在两个车道线检测基准数据集上的大量实验表明，这种方法可以在速度和准确性方面达到最先进的性能。轻量级版本甚至可以以相同的分辨率达到每秒300FPS以上的处理速度，这至少比以前的最新方法快4倍。
下面是论文具体框架结构以及实验结果：
声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。
