车道线检测中的IPM变换

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：

1. IPM 逆透视变换，将图像前视图变换为俯视图；

2. 网络，提取特征，进行像素级别的分类或回归；

<