量产自动驾驶中BEV下矢量化车道线建模方法.pdf
需积分: 0 59 浏览量
2024-05-09
21:09:11
上传
评论
收藏 653KB PDF 举报
1 / 5
本
⽂
主
要
对
主
流
的
⻋
道
线
检
测
（
包
括
BEV
视⻆
和
图
像
视⻆
）
⽅
法
进
⾏
总
结
。
由
于
基
于
深
度
学
习
的
⽅
法
性
能
远
超
传
统
⽅
法
，
所
以
本
⽂
只
总
结
了
基
于
学
习
的
⽅
法
。
⽂
中
⻋
道
线
检
测
有
些
是有
⾼
度
的
3D
检
测
，
有
些
没
有
⾼
度
的
BEV
检
测
，
统
⼀
标
识
了
BEV
，
没
有
特
别
区
分
是
否
预
测
⾼
度
。
主
要
分
了
六
⼤
类
，
包
括
基
于
分割
的
⽅
法
、
基
于
关
键
点
的
⽅
法
、
基
于
row-wise
的
⽅
法
、
基
于
多
项
式
回
归
的
⽅
法
、
基
于
anchor
的
⽅
法
和
直
接
输
出
实
例
的
⽅
法
附
赠
⾃
动
驾驶
学
习
资
料
和
量
产
经
验
：
链
接
基
于
分割
和
辅
助
实
例
化
信
息
的
⽅
法
：
1. HDMapNet(BEV):
通过
MLP
得
到
视觉
bev
特
征
，
通过
Pointpillar
得
到
激
光
bev
特
征
，
concat
得
到
最
终
bev feature
。
在
bev feature
上
学
习
语
义
分割
、
实
例
分割
instance
embedding
和
⽅
向
预
测
directionprediction
，
并
通过
后
处
理
得
到
语
义
要
素
；
后
处
理
得
到
的
线
会
出
现
闭
环
；
2. 3D-LaneNet+(BEV):
将
图
像划分
成
格
⼦
，
每
个
格
⼦
进
⾏
⼆
分
类
（
判
断
是
否
有
线经
过
），
另
外
，
对
有
线
的
格
⼦
回
归
线
段
的
横
向
偏
移
、
⻆
度
（
N
个
bins
分
类
+offset
微
调
）
、
⾼
度
偏
移
和
Embeddingvector
（
⽤
于
把
曲
线
⼩
⽚
段
聚
合
成
⻋
道
线
曲
线
）
。
在
特
征
学
习
上，
沿
⽤
了
3D-LaneNet
，
都
是
两
路
的
path way
。
只
不
过
相
机
外
参
俯仰
⻆
、
安
装
⾼
度
直
接
输
⼊
⽽
不
是
模
型
预
测
。
3. LaneAF(Affinityfields):
输
出
binaryseg,
横
纵
向
affinityfields
，
分别
表
示
：
在
每
⾏
中
，
每
个
前
景
像
素
位于
它
所
属
⻋
道
线
中
⼼
的
左
边还
是
右
边
、
当
前像
素
相
较
于
上⼀
⾏
的
⻋
道
线
中
⼼
，
是
在
左
边还
是
右
边
。
最
后
通过这
三个
预
测
解
码
得
到
⻋
道
线
实
例
。
4. SpatialCNN:
将
⻋
道
线
检
测
问题
构
建
为
⼀个
多
类
别
语
义
分割
问题
，
提
出
spatialcnn
⽅
法
来
建
模
空
间
结
构
信
息
（
信
息
向
下
/
向
上
/
向右
/
向
左
传
播
）
，
来
学
习
形
状
先
验
。
该
⽅
法
对
细
⻓
的
⻋
道
线
检
测
很
有
效
；
该
⽅
法
固
定
数
量
、
需
要
聚
类
等
处
理
、
多
类
别分割
模
型
较
⼤
，
速
度
慢
；
5. RESA:
这
篇
⽂
章
是
SCNN
的
升
级
，
减
少
计
算
量
。
RESA
整
体
思
路
和
SCNN
相
同
，
包
含
四
种
OPs
：
”
往
上
“
、
”
往
下
“
、
”
往
左
“
、
”
往
右
“
。
区
别
是
每
个
OPs
会
重
复
做
K
次
，
每次
的
stride
会
逐
渐
增
加
。
6. LaneNet
：
利
⽤
实
例
分割
instanceembedding
管
道
来
处
理
可变
数
量
的
线
，
但
它
需
要
推
理
后
聚
类
来
⽣
成
线
实
例
。
量
产
⾃
动
驾驶
中
BEV
下
⽮
量
化
⻋
道
线
建
模
⽅
法
资源评论
