直播预告 | CVPR 2022：通过曲线建模重新思考高效车道线检测

本期 AI Drive，我们邀请到上海交通大学在读硕士生冯正阳，为大家在线解读其发表在 CVPR 2022 的最新研究成果。本次报告的主题为「通过曲线建模重新思考高效车道线检测」。对本期主题感兴趣的小伙伴，5 月 17 日（本周二）晚 7 点，我们准时相约 PaperWeekly 直播间。

直播信息

车道线检测是自动驾驶的经典任务之一。由于 LiDAR 成本很高，基于单目视觉的车道线检测方案受到广泛关注。然而，细长的线本身就难精确定位，同时复杂的城市道路场景还带来了更多挑战（堵车、天气变化、标注不清等）。以往的车道线检测方法基本可以分为：点检测，分割和曲线三大类。其中，只有曲线方法对车道线进行整体自然的建模。但曲线类方法的精度（尤其在城市场景）一直与其他方法有较大差距。 

本文指出这一现象的主要原因是以往曲线方法使用的三次函数系数难以优化。通过使用经典的 Cubic Bézier Curve，我们的方法 BézierLaneNet 可以直接拟合位于图片上的曲线控制点。首次让完全端到端的曲线类方法在高速路和城市场景达到 SOTA。同时为了给众多方法提供统一的复现和比较，推出了面向自动驾驶感知的开源框架 PytorchAutoDrive。

论文信息

论文标题： 

Rethinking Efficient Lane Detection via Curve Modeling

收录会议： 

CVPR 2022

论文链接： 

https://arxiv.org/pdf/2203.02431

代码链接： 

https://github.com/voldemortX/pytorch-auto-drive

演讲提纲

• 车道线检测任务介绍和相关工作

• 本文方法 BézierLaneNet 介绍

• 结果展示和方法局限性探讨

• 开源框架 PytorchAutoDrive 介绍

• 领域展望

嘉宾介绍

 冯正阳 / 上海交通大学硕士生 

冯正阳，上海交通大学二年级在读硕士生，目前在上海人工智能实验室和商汤科技实习。研究方向为自动驾驶场景感知，包括车道线检测，语义分割，半监督学习，域适应等。在 CVPR，ICCV 等顶级会议发表过论文。

直播地址

本次直播将在 AI Drive 直播间进行，扫描下方海报二维码即可免费观看。

 B站直播间 

https://live.bilibili.com/h5/21887724

合作伙伴

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

·