[论文解读] BSNet: Lane Detection via Draw B-spline Curves Nearby

Haoxin Chen, Mengmeng Wang+1 more|arXiv (Cornell University)|Jan 17, 2023

Autonomous Vehicle Technology and Safety被引用 10

一句话总结

BSNet 使用夹紧的准均匀 b-spline 曲线来表示车道，搭配轻量化的基于提案的网络和新颖的曲线距离，在 Tusimple、CULane 和 LLAMAS 上取得最先进的结果，同时以 197 FPS 的速度运行。

ABSTRACT

Curve-based methods are one of the classic lane detection methods. They learn the holistic representation of lane lines, which is intuitive and concise. However, their performance lags behind the recent state-of-the-art methods due to the limitation of their lane representation and optimization. In this paper, we revisit the curve-based lane detection methods from the perspectives of the lane representations' globality and locality. The globality of lane representation is the ability to complete invisible parts of lanes with visible parts. The locality of lane representation is the ability to modify lanes locally which can simplify parameter optimization. Specifically, we first propose to exploit the b-spline curve to fit lane lines since it meets the locality and globality. Second, we design a simple yet efficient network BSNet to ensure the acquisition of global and local features. Third, we propose a new curve distance to make the lane detection optimization objective more reasonable and alleviate ill-conditioned problems. The proposed methods achieve state-of-the-art performance on the Tusimple, CULane, and LLAMAS datasets, which dramatically improved the accuracy of curve-based methods in the lane detection task while running far beyond real-time (197FPS).

研究动机与目标

• 通过在车道表示中改善全局性与局部性来推动基于曲线的车道检测。
• 提出一种支持灵活拟合和高效优化的 b-spline 曲线表示。
• 设计 BSNet 以聚合全局和局部特征以获得准确的车道提案。
• 引入一种鲁棒的曲线距离，以缓解曲线拟合中的条件不良优化问题。

提出的方法

• 采用夹紧的准均匀 b-spline 曲线作为车道表示，以平衡局部性与全局性。
• 开发一个 proposals features init 模块，以从 ResNet+FPN 主干生成车道提案。
• 通过在提案上采样点并应用自注意力来产生 F_all，从而整合局部特征。
• 定义一种新的曲线距离，利用点到曲线距离并带归一化，将 D_AB 计算为 D_B→A + D_A→B。
• 使用一个简单的预测头，配合 Fast NMS，以及包含回归、长度、起点和焦点分类项的损失。
• 在三个数据集（CULane、Tusimple、LLAMAS）上使用 AdamW 进行数据增广训练，并采用余弦学习率调度。

实验结果

研究问题

• RQ1 基于 b-spline 的车道表示是否能够同时实现全局性与局部性，从而改进车道拟合，特别是对于曲线较多的车道？
• RQ2 专门的曲线距离是否能解决基于曲线的车道检测中的病态优化问题？
• RQ3 一个带有全局/局部特征的轻量级 BSNet 是否能在多样化数据集上保持高推理速度的同时达到最先进的准确度？
• RQ4 控制点数和采样点数如何影响拟合质量与稳定性？

主要发现

• BSNet 在曲线基方法中在 CULane、Tusimple 和 LLAMAS 数据集上实现了最先进的结果。
• ResNet-18/34 BSNet 变体在 GTX 1080Ti 上达到高达 197 FPS，且准确度相较于更强的主干网络具有竞争力甚至更好。
• 在消融实验中，B-spline 表示比 Bézier 拟合得更好，特别是在有局部特征辅助时。
• 所提出的曲线距离缓解了病态优化，提升了回归的稳定性与收敛性。
• 一个简单的网络设计，配合较小的检测头，提供强劲性能并便于多任务集成。