[论文解读] Focus on Local: Detecting Lane Marker from Bottom Up via Key Point

Zhan Qu, Huan Jin+3 more|arXiv (Cornell University)|May 28, 2021

Autonomous Vehicle Technology and Safety参考文献 21被引用 10

一句话总结

FOLOLane 提出了一种自下而上的车道线标记检测方法，通过轻量级CNN聚焦于局部关键点估计，采用双分支结构：一个分支用于关键点存在性预测，另一个用于空间精化与关联。通过建模局部几何特征，并利用高效的解码策略实现全局整合，该方法在TuSimple数据集上实现了SOTA精度（F1值达96.92%）与实时推理（100+ fps），且无需复杂架构或大规模数据需求。

ABSTRACT

Mainstream lane marker detection methods are implemented by predicting the overall structure and deriving parametric curves through post-processing. Complex lane line shapes require high-dimensional output of CNNs to model global structures, which further increases the demand for model capacity and training data. In contrast, the locality of a lane marker has finite geometric variations and spatial coverage. We propose a novel lane marker detection solution, FOLOLane, that focuses on modeling local patterns and achieving prediction of global structures in a bottom-up manner. Specifically, the CNN models lowcomplexity local patterns with two separate heads, the first one predicts the existence of key points, and the second refines the location of key points in the local range and correlates key points of the same lane line. The locality of the task is consistent with the limited FOV of the feature in CNN, which in turn leads to more stable training and better generalization. In addition, an efficiency-oriented decoding algorithm was proposed as well as a greedy one, which achieving 36% runtime gains at the cost of negligible performance degradation. Both of the two decoders integrated local information into the global geometry of lane markers. In the absence of a complex network architecture design, the proposed method greatly outperforms all existing methods on public datasets while achieving the best state-of-the-art results and real-time processing simultaneously.

研究动机与目标

• 解决现有车道线检测方法依赖高维全局输出与复杂后处理的局限性。
• 通过聚焦于局部几何模式而非完整曲线回归，降低模型复杂度与数据依赖性。
• 通过使任务与CNN有限感受野及局部归纳偏置对齐，提升泛化能力与训练稳定性。
• 通过高效并行解码策略实现低性能损失的实时推理。
• 在无微调条件下，实现从CULane到TuSimple的强零样本泛化能力，解决车道线检测中关键的基准差距问题。

提出的方法

• 使用全卷积神经网络，配备两个并行分支：一个分支预测关键点存在概率，另一个分支回归局部偏移以精炼关键点位置。
• 在训练与推理阶段均采用自粗到精的优化策略，利用预测偏移量迭代提升关键点定位与关键点间关联精度。
• 实现两种解码策略：一种为贪心解码器，用于高精度；另一种为并行化、面向效率的解码器，用于实时性能（实现16ms加速）。
• 利用特征间的空间相关性引导关键点预测，确保与最相关的局部车道结构对齐。
• 将框架适配至轻量化主干网络（如BiSeNet），在保持SOTA精度的同时实现>100 fps的推理速度。
• 通过自下而上的流水线将局部关键点预测整合为全局车道几何结构，避免全局曲线拟合。

实验结果

研究问题

• RQ1 以局部几何模式建模替代全局曲线建模，是否能提升车道线检测的精度与泛化能力？
• RQ2 基于自下而上的关键点方法是否能减少对高容量模型与大规模训练数据的依赖？
• RQ3 高效的并行解码策略是否能在保持高精度的同时实现车道线检测的实时推理？
• RQ4 在未微调条件下，于CULane上训练的模型在TuSimple这一不同基准上的零样本泛化能力如何？
• RQ5 自粗到精的关键点精炼在多大程度上提升定位精度并降低对噪声的敏感性？

主要发现

• FOLOLane在TuSimple基准上实现96.92%的F1分数，创下新的SOTA性能记录。
• 采用BiSeNet作为主干网络时，推理速度超过100 fps，证明了其具备实时处理能力。
• 与贪心解码器相比，面向效率的解码器将运行时间减少36%（16ms），仅损失0.8%性能。
• 在从CULane到TuSimple的零样本泛化任务中，FOLOLane达到84.36%的准确率，显著优于所有基线方法（例如，较SCNN高出28%）。
• 仅在推理阶段应用自粗到精精炼，F1分数提升0.9%；若扩展至训练阶段，提升达1.3%。
• 该方法显著降低了误报与漏报，TuSimple上的FP与FN率分别为0.3964与0.3841。