lane detection | BriefGPT - AI 论文速递

关键词lane detection

搜索结果 - 66

车道检测中曲线建模与路面回归的解耦
本文提出了一种新的车道检测方法，通过将车道检测任务分解为曲线建模和地面高度回归两个部分，使用参数化曲线在 BEV 空间中表示车道，以反映车道的原始分布，并通过设计新的框架和一系列损失函数统一了 2D 和 3D 车道检测任务，在 2D 车道检
PDF10 months ago
ICCV递归视频车道检测
提出了一种递归视频车道检测器（RVLD）的新算法，该算法将当前帧的状态递归地传播到下一帧，利用内部帧车道检测器（ILD）和预测车道检测器（PLD）来检测视频中的道路车道，并通过估计运动场并将先前的输出扭曲到当前帧来提高当前帧的车道检测准确性
PDF10 months ago
基于交叉相似性的车道检测对比学习
用反映关键性的自监督学习方法 CLLD 增强车道检测模型对导致车道低可见度的真实环境条件的抵御能力，并在光照阻碍等可见度受损的条件下优于最先进的对比学习方法，尤其在阴影等情况下表现出色。
PDFa year ago
TwinLiteNet：用于自动驾驶汽车中可行驶区域和车道分割的高效轻量级模型
本文提出了一种用于驾驶区域和车道线分割的轻量级模型 ——TwinLiteNet，该模型设计成低成本但能够达到准确和高效的分割结果。我们在 BDD100K 数据集上评估了 TwinLiteNet，并与现代模型进行了比较。实验结果表明，Twin
PDFa year ago
深度学习在复杂条件下车道检测和分类中的应用 ——LVLane
介绍了一种基于深度学习方法的端到端车道检测和分类系统，旨在解决在极端光照条件、看不清车道标记和车道标记稀疏等具有挑战性场景下的车道检测问题，并通过深度学习模型的微调和 CNN-based 分类分支的介入来实现车道类型的识别。该系统在 TuS
PDFa year ago
HoughLaneNet：深度霍夫变换与动态卷积的车道检测
我们提出了一种基于深度 Hough 变换和动态卷积模块的网络架构，用于检测道路车道，通过在 Hough 参数空间中将车道特征结合起来并利用动态卷积模块有效区分车道特征，实验结果表明我们的方法在检测重度遮挡或磨损车道图像方面表现出了优异的性能
PDFa year ago
自动驾驶车道检测的实时全无监督域自适应
介绍了一种轻量、全自动、实时适应的方法，该方法只需要调整神经网络模型的批量归一化参数，能够在 Nvidia Jetson Orin 上以 30 帧每秒的速度实现推断和设备内适应，表现与半监督适应算法相似。
PDFa year ago
自编码器掩码序列自预训练与自定义 PolyLoss 微调实现鲁棒车道检测
本研究提出利用自我预训练和自定义多连续帧图像的 PolyLoss 微调深度网络模型的方法，使车道检测性能得到进一步提高。得到了 98.38% 的最佳测试精度和 0.937 的最佳精确度，训练时间大大缩短。
PDFa year ago
基于单到多 Transformer 的端到端车道线检测
本文提出了一种名为 O2SFormer 的端到端车道检测方法，通过将一对一和一对多标签分配相结合，提高训练效率，并采用层级软标签解决了 DETR 中的标签语义冲突问题，同时还提出了基于动态锚点的位置查询方法以探索位置先验，实验证明 O2SF
PDFa year ago
用于车道检测的密集混合建议调制
本文提出了一种基于密集混合提案调制 (DHPM) 方法来进行车道检测的方式，通过物理约束，匹配算法，分类损失等技术来提高车道检测的准确性和性能，实验结果表明该方法比基线模型在各项指标上都有明显提高。
PDFa year ago
CANet: 带有自适应解码器的曲线引导线网络用于车道检测
本文提出了一种新的基于深度学习的自顶向下的车道检测方法 -- CANET，能够有效解决车道边角处的检测问题，并在多个指标上达到了领先水平。
PDFa year ago
ECCVRCLane: 转发链关联预测用于车道检测
本文提出一种基于中继链路预测的车道检测新方法，通过预测前向和反向分支的传输图和距离图，以逐步预测中继站（下一个点）的方向和步数，从而能够捕获车道上的关键点。该方法在 TuSimple，CULane，CurveLanes 和 LLAMAS 这
PDF2 years ago
CVPR车道检测的多层域适应
本研究提出了多层领域自适应（MLDA）框架，通过在像素、实例和类别三个补充的语义级别上处理交叉领域车道检测，以识别车道形状和位置先验知识，提出了一种新的视角来解决车道检测领域差异带来的挑战，针对现有方法只关注像素级损失而忽略车道形状和位置
PDF2 years ago
CARLANE: 从模拟到现实多个领域的无监督域自适应车道检测基准
提出 CARLANE 数据集并评估了不同领域适应方法对于无人驾驶的车道检测结果，结果表明 CARLANE 能进一步加强无监督域适应的研究，并提出 Prototypical Cross-domain Self-supervised Learn
PDF2 years ago
CVPR基于关键点的车道检测全局关联网络
本研究提出了一个基于全局关联网络（Global Association Network）以及车道感知特征聚合器（Lane-aware Feature Aggregator）的方法来解决车道检测问题，并在两个公共数据集上进行的实验表明，相较于
PDF2 years ago
CVPR面向驾驶度量学习的车道检测模型
本研究提出 2 种针对自动驾驶的车道检测指标：端到端横向偏移度量（E2E-LD）和基于 E2E-LD 的基于帧的模拟横向偏移度量（PSLD），并在多个数据集上进行了实证研究。结果表明，传统度量与 E2E-LD 具有较强的负相关性，并可能会导
PDF2 years ago
CVPRCLRNet：用于车道检测的交叉层细化网络
本文介绍了一种名为 CLRNet 的新的网络结构用于车道检测，通过利用高级语义特征和低级特征来提高检测精度，并使用名为 Line IoU loss 的方法对车道进行整体回归以提高定位准确性。实验结果表明，该方法明显优于现有的车道检测方法。
PDF2 years ago
AAAILaneformer: 面向车道检测的对象感知行列变换器
Laneformer 是一种基于 transformer 的架构，用于自动驾驶视觉感知中长期车道检测，通过自注意力机制实现车道形状和语义特征的有效捕获，实验表明能达到 CULane 基准的最佳表现。
PDF2 years ago
具有多功能膨胀变换器和本地语义指导的车道检测
提出了一种名为 Atrous Transformer 的神经网络架构来进行车道检测，该网络采用局部 Atrous Former 增强特征提取器，然后通过行列顺序收集信息以提高信息提取能力，此外还提出了一种局部语义引导解码器来更准确地描绘车道
PDF2 years ago
CVPR通过曲线建模重新思考高效车道检测
本文提出了一种新的基于参数曲线的车道检测方法，利用 Bézier 曲线及变形卷积特征翻转融合等方法，不仅在 LLAMAS 法案中实现了最新的最佳效果，并且在 TuSimple 和 CULane 数据集上实现了可观的准确性，同时保持了低延迟与
PDF2 years ago