西安交通大学提出少锚点的端到端车道线检测算法Polar R-CNN

文章预览

Abstract 车道线检测在自动驾驶中是一个关键且充满挑战的任务，特别是在实际场景中，由于车道线可能因其他车辆而被遮挡、形状纤细且长度较长，检测难度增大。现有基于锚点的检测方法通常依赖于预设的锚点来提取特征，并随后对车道线的位置和形状进行优化。然而，这些方法依赖手动设置锚点的方式繁琐，且为了适应不同的数据集通常需要大量密集的锚点。此外，为消除冗余预测而使用的非极大值抑制（NMS）在复杂场景中效果有限，影响实际部署。本文提出了一种新颖的基于锚点的车道检测方法Polar R-CNN。通过引入局部和全局极坐标系统，Polar R-CNN可以灵活地生成锚点，并显著减少锚点数量，同时保持性能。此外，我们设计了一个三重检测头，结合启发式结构支持无NMS的检测模式，在车道线密集的场景中增强了部署效率和性能。实验结果表明 ………………………………