计算机应用研究

作者：娄路,胡振坤,魏文洁,沈燚,隗寒冰,

单位：重庆交通大学〓a.信息科学与工程学院;b.机电与车辆工程学院,重庆400074；

关键词：自动驾驶,动态蛇形卷积,鸟瞰图,特征聚合,残差连接,

基金：国家自然科学基金资助项目(52172381)；重庆市自然科学基金资助项目(cstc2021jcyj-msxmX1121)；；

车道线检测对智能车辆的环境感知和驾驶决策至关重要，针对现有方法在复杂交通道路场景中难以同时兼顾检测精度与速度的问题，提出一种高效的单目3D车道线检测方法。该方法通过采用动态蛇形卷积，有效提取车道线弯曲和细长形态特征；利用不同尺度的视图变换与特征聚合，减少特征损失，获取不同层次的车道线位置信息；采用残差连接的辅助监督策略，增强模型的表征能力。在3D车道线评测数据集上的实验结果显示，该方法在虚拟仿真数据集Apollo 3D synthetic上的F1-score指标达到98.6%，相较于目前先进的BEV-LaneDet和LATR方法分别提升了1.7%和1.8%；在大规模真实场景OpenLane数据集上的F1-score指标达到59.8%，相较于BEV-LaneDet，提升了1.4%，在上下坡和弯道场景中的精度提升尤为明显，分别为4.6%和2.5%；F1-score虽比基于Transformer的LATR方法低2.1%，但运行速度80.1 fps是后者14 fps的5.7倍。结果表明，该方法能够提高复杂场景下3D车道线检测的准确性和鲁棒性，实现检测性能与运行推理速度之间的较好平衡。

来源：2025年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第12期