摘要

受人类驾驶注意力机制的启发，本研究首次提出融合聚焦采样（Focusing Sampling）、局部视域评估（Partial Field of View Evaluation）、增强型特征金字塔网络（Enhanced FPN）架构以及方向性交并比损失函数（Directional IoU Loss）的网络结构，针对自动驾驶中精确车道线检测所面临的挑战，提出了一系列针对性创新。实验结果表明，所提出的聚焦采样策略通过强调远距离关键细节，相较于传统均匀采样方法，显著提升了基准测试与实际场景中对弯曲及远距离车道线的识别准确率，这对行车安全至关重要。尽管FENetV1通过分离视角感知上下文结构（模拟人类驾驶员视觉机制）在常规指标上达到当前最优性能，但FENetV2在所提出的局部视域分析任务中展现出更高的可靠性。因此，尽管在标准全图评估指标上略有下降，我们仍特别推荐FENetV2用于实际车道导航应用。未来研究方向包括采集真实道路数据，并融合互补的双框架结构，进一步基于人类感知原理实现突破。代码已开源，详见：https://github.com/HanyangZhong/FENet。