摘要

本文提出了一种统一的端到端可训练的多任务网络，该网络在恶劣天气条件下通过消失点引导，联合处理车道线和道路标线的检测与识别。我们解决了雨天和低光照条件下的问题，这些问题由于明显的挑战而尚未得到广泛研究。例如，在雨天拍摄的图像受到低光照的影响，而湿滑的道路会导致光线反射并扭曲车道线和道路标线的外观。夜间，在有限的光照条件下，颜色失真也会发生。因此，目前尚无基准数据集，只有少数开发的算法能够在恶劣天气条件下工作。为了解决这一不足，我们构建了一个包含约20,000张图像的车道线和道路标线基准数据集，这些图像涵盖了四种不同场景：晴天、雨天、大雨和夜间，并且包含17个车道线和道路标线类别。我们训练并评估了所提出的多任务网络的多个版本，并验证了每个任务的重要性。最终的方法VPGNet可以在单次前向传递中检测和分类车道线及道路标线，并预测消失点。实验结果表明，我们的方法在各种条件下均能实现实时（20帧/秒）高精度和鲁棒性。该基准数据集和VPGNet模型将公开发布。