车道线检测中的IPM变换
车道线检测(Lane Detection)是 ADAS 系统中重要的功能模块,而对于 L4 自动驾驶系统来说,在不完全依赖高精度地图的情况下,车道线检测结果也是车辆运动规划的重要输入信息。由于俯视图(BEV, Bird’s Eye View)下做车道线检测相比于前视图,有天然的优势,所以本文根据几篇论文(就看了两三篇)及项目经验,探讨总结俯视图下做车道线检测的流程方案,并主要介绍 IPM 逆透视变换原理,[0]为车道线检测资源集。
附赠自动驾驶学习资料和量产经验:链接
1. 流程框架
由于激光点云的稀疏性,目前车道线检测主要还是依靠图像,激光点云数据当然可作为辅助输入。由此归纳一种可能的粒度较粗的俯视图下车道线检测的流程:
-
IPM 逆透视变换,将图像前视图变换为俯视图;
-
网络,提取特征,进行像素级别的分类或回归;
<