摘要

车道检测由于道路场景复杂以及不同相机视角导致的车道线形变而面临巨大挑战。尽管已有大量解决方案被提出，但在处理弯道处的车道线时仍表现不佳。为解决这一问题，本文提出一种新型的自顶向下的深度学习车道检测方法——CANET。该方法首先在全局语义层面，通过U形曲线引导线生成热力图以响应车道实例，从而在响应点处聚合各车道的特征信息；随后，CANET利用条件卷积获取整条车道的热力图响应，并最终通过自适应解码器将点集解码为车道描述。实验结果表明，CANET在多个评价指标上均达到当前最优（SOTA）性能。相关代码将很快公开发布。