Line-CNN: Detección de líneas de tráfico de extremo a extremo con unidad de propuesta de línea

La tarea de detección de líneas de tráfico es un problema fundamental pero desafiante. Los enfoques anteriores generalmente llevan a cabo la detección de líneas de tráfico de una manera de dos etapas, a saber, la detección de segmentos de línea seguida de un agrupamiento de segmentos, lo que probablemente ignora la información semántica global de una línea completa. Para abordar el problema, proponemos un sistema de extremo a extremo llamado Line-CNN (L-CNN), en el cual el componente clave es una nueva unidad de propuesta de línea (LPU). La LPU utiliza propuestas de línea como referencias para localizar curvas de tráfico precisas, lo que obliga al sistema a aprender la representación de características globales de todas las líneas de tráfico. Evaluamos el L-CNN propuesto en dos conjuntos de datos públicos, incluyendo MIKKI y TuSimple, y los resultados sugieren que el L-CNN supera a los métodos más avanzados. Además, el L-CNN puede funcionar a aproximadamente 30 f/s en una GPU Titan X, lo que indica la practicidad y efectividad del L-CNN para sistemas de conducción autónoma inteligente en tiempo real.