一、摘要
1、体系结构
包含共享的特征提取层和多个分支，用于检测和嵌入到车道线集群中。
2、方法概述
该方法能在车道线上生成精确的点，针对这些点，将聚类问题投射为点云实例分割问题。
3、方法优点
（1）该方法利用深度神经网络，能检测任意数量的车道线，
（2）错误率更低。
（3）轻量模型，生成点的数量比原始图片像素点少得多。
（4）消除离群值
二、研究现状
大部分传统的的车道线检测方法首先提取低级特征，手工标注出颜色，边缘信息等。这些低级特征通过霍夫变换和卡尔曼滤波连结起来，利用这些联合特征就可以将车道线分割出来。这些方法简单，且不用做大的修改就能适应不同的环境，但是会极度依赖光照、遮挡等条件。
深度学习在应对复杂环境时表现很好。在诸多的深度学习方法中，深度神经网络（CNN）专一用于计算机视觉领域。近期有许多研究运用CNN来做特征提取。语义分割方法经常应用于车道检测问题，以推断车道的形状和位置. 这些方法可以区分整个图像上的像素的实例和标签。由于它们采用多类方法来区分每个车道，因此只能将它们应用于包含固定数量的车道的场景。Neven et al.将该问题转化为实例分割。他们提出了LaneNet模型，该模型包含1个用于特征提取的编码器，2个解码器。其中一个解码器用于灰度图的车道线提取，另一个嵌入分支用于实例分割。由于LaneNet模型应用了实例分割方法，因此可以检测任意数量的车道线。Chen et al提出了一种网络，在每个车道线上，给定y坐标值可以直接预测出对应的x坐标值，但是该方法只能预测垂直的车道线。
我们提出的模型能预测比输入图像尺寸更小的车道线的精确点，并能分辨出每个实例的每一个像素。沙漏网络通常用于区域关键点估计，例如姿态估计和物体检测.沙漏网络模型通过先下采样再上采样，可以提取不同尺寸的目标信息。如果将一些沙漏网络堆叠在一起，则损失函数可以应用于每个堆叠的网络，可以使训练更加稳定。在计算机视觉领域，实例分割可以生成每个实例的像素簇。
漏检不会突然改变控制值，可以通过其他车道线的检测来修改控制值。而错捡会迅速改变控制值。信度、偏置和特征。置信度和偏置能预测车道线上的点，特征值能分辨出每个预测点属于哪个实例。最后，通过应用后处理模块消除离群值，生成平滑车道线。
总结来说，本文提出的框架有以下几个优点：
（1） 该方法的输出图像尺寸比实例分割方法小，紧凑的尺寸可以节省模块的内存。
（2） 加入应用后处理模块，消除离群值。
（3） 可以用于各种场景，可以预测垂直或水平的任意方向的、任意数量的车道线。
（4） 评价结果显示，该方法的误检率比其他方法低。
三、实现方法
网络名称PINet(Point Instance Network)，能产生所有车道线上的点，并分辨每个实例包含的点。损失函数来自SPGN(Similarity Group Proposal Network)，它是对3D点云进行实例分割的框架。本文提出的方法仅对于预测点而不是所有像素都需要嵌入，因此3D点云实例分割方法很适合我们的任务。
1、车道线点实例网络
本实验中，将输入图片压缩为6432和3216两种情况。特征提取层使用了堆叠沙漏网络，它在关键点预测任务中效果很好。PINet包括2个沙漏模块。每个沙漏模块有3个输出分支，并且输出网格的尺寸与经过压缩后输入的尺寸相同。
批量归一化和Relu层在每个卷积层之后应用，除非它们在输出分支的末尾应用。输出分支中的过滤器数量由输出值确定。 例如，置信度分支为1，偏移分支为2，特征分支为4。
置信度分支：预测每个网格的置信度值。置信度分支的输出有1个通道，并被转发到下一个沙漏模块。以下是置信度分支的损失函数：
Ne，Nn代表有点存在和没有点存在的网格数量，G表示网格的集合，gc表示一个网格的输出置信度，gc*表示真实值，r表示各自的参数。
偏置分支：可以得出每个点的准确位置。偏置分支的输出是一个0~1之间的数字，表示与一个网格的相对位置。根据输入和输出尺寸的比率，1个网格对应8个或16个像素。偏置分支有2个通道以预测x坐标和y坐标的偏移。下面是偏移分支的损失函数：
特征分支：此分支来源于3D点云实例分割法SGPN。该特征意味着有关实例的信息，并且训练了分支以使同一实例中的网格特征更加接近。以下是特征分支的损失函数：
Cij表示点i和点j是否属于同一个实例，Fi表示网络预测的点i的特征，常数K>0。如果Cij=1，表示i和j是同一个实例，如果Cij=2表示i和j位于不同的车道线。当训练的时候，损失函数会使属于同一个实例的点特征更加接近，使不同实例的点被区分出来。我们可以通过基于距离的简单聚类技术辨认出每个实例的点。特征尺寸设置为4，经检测该尺寸对检测结果没有太大影响。
总损失函数是以上3个损失函数线性求和，整个网络通过端到端方法进行训练。
训练阶段初始化所有系数为1，在最后几个epochs，将a和rn加0.5.该损失函数可以适应端到端的沙漏模块，以使训练过程稳定。
2、后处理方法
网络的直接输出会存在一些错误，比如一个实例只能包含一条平滑的车道线。但是，有些离群值或其他车道线可以从视觉上区分。
应用后处理的流程如下：
步骤1：找6个起始点。起始点就是3个位于图片最下方的点和3个最左边或者最右边的点。如果预测的车道线位于图片中间偏左的位置，那么最左边的点就被选作起始点。
步骤2：选出3个距离起始点最近的且位置比起始点高的点。
步骤3：考虑一条直线，该直线连接在步骤1和2中选择的两个点。
步骤4：计算直线和其他点之间的距离。
步骤5：计算边缘以内点的数量，本文中边缘r设为12.
步骤6：选择数量大于阈值的最大数量的点作为起始点，考虑该点与起始点属于同一个实例。本文设置阈值为剩余点的20%。
步骤7：重复步骤2~步骤6，直到在步骤2中找不到点。
步骤8：对所有起始点重复步骤1~7，考虑将宽度最大的簇作为最终车道线。
步骤9：对所有预测的车道线重复步骤1~8.
四、实验结果
在tuSimple训练数据集上使用Adam优化器进行训练，初始学习率0.0002.在开始的1000个epochs里使用初始化的设置，在最后的200个epochs里，设置学习率0.0001，a=1.5,rn=1.5.其他超参数比如应用后处理中的边缘尺寸由实验方法决定。超参数的优化要根据训练结果做适当修改。实验中没有用到其他的数据集和训练好的权重，两种输出尺寸6432和3216都做了评估。测试硬件为NVIDIA RTX 2080Ti。
1、评价标准
精确率：
Cclip表示在给定的图片中，正确预测的点数量，Sclip表示图片中的真实点数量。
错误的正样本率和错误的负样本率：
Fpred表示预测错误的车道线数量，Npred表示预测的车道线总数量，Mpred表示没有检测到的车道线数量，Ngt表示真实的车道线数量。
2、实验
tuSimple数据集包含3626张标记训练图片，2782张标记测试图片。我们使用简单的数据扩容方法，比如翻转，平移，旋转，增加高斯噪声，改变亮度，增加阴影等方法来训练更加健壮的模型。tuSimple数据集根据场景中显示的车道数量具有不同的场景分布。
测试集中包含5个车道线的场景图片是训练集的2倍多，为了平衡这两种分布，我们在数据扩充步骤中设置了包含五个泳道的数据的生成比例，该车道线比其他车道线大。
评价时需要知道给定的y坐标对应的精确的x坐标值，我们使用简单的线性插值法来寻找y对应的x坐标。由于预测的点之间的距离很近，因此不需要使用复杂的曲线拟合算法。
详细的评价结果见表3.三种情况下我们的方法都得到了最低的FP率。这说明PINet的误检率比其他方法低很多。
表四表示每种方法的参数数量，PINet是最轻量级的方法之一。PINet几乎所有的部分都是瓶颈层构建的，这种架构可以节省大量的内存。不经过应用后处理时，可以达到30FPS，使用应用后处理，帧率为10FPS。
在这项研究中，我们提出了一种新颖的车道线检测方法，它结合了点预测和点实例分割，可以达到实时性要求。该模型的FP率是最低的，保证了自动驾驶车辆的安全性。后处理显著地提高了检测效果，但是目前的执行版本耗费大量的计算资源，今后需要并行计算架构或者其他的优化方法来解决这一问题。