摘要

许多车道检测方法依赖于无提案（proposal-free）实例分割技术，因其在应对灵活的物体形状、遮挡情况以及实现实时应用方面具有良好的适应性。然而，本文指出，基于无提案实例分割的车道检测中，像素嵌入（pixel embedding）的优化存在困难。其中，卷积操作所具有的平移不变性（translation invariance）虽然是其被广泛认可的优势之一，却给像素嵌入的优化带来了挑战。针对这一问题，本文提出一种基于无提案实例分割的车道检测方法，通过直接利用图像坐标对像素的空间嵌入进行优化，实现了端到端的中心点定位与聚类过程。该方法通过简化后处理步骤，并采用轻量级主干网络，实现了高效的实时车道检测。在多个公开的车道检测数据集上，所提方法均展现出具有竞争力的性能表现。