PINet_tutorial:一篇涵盖车道检测关键点估计与点实例分割的论文综述

关键点估计和点实例分割 车道检测和显示的主题被选为大学生的工作设计任务。 在恶劣的环境下（例如雾，雨，夜，轻伤流血等）驾驶汽车时，通常很危险，因为看不到车道。 为了解决这个问题，我们打算使用平视显示器（HUD）技术中使用的方法。 现有车辆驾驶辅助设备（ADAS）中使用的HUD仅显示导航或速度表屏幕。 但是，如果根据车辆的整个挡风玻璃而不是根据驾驶员的视野来标记车道，即使在上述恶劣的环境中，也能确保驾驶员的车道能见度吗？ 此外，如果可以使用深度学习来标记擦除车道的区域而不是简单的车道识别，那将是很好的。 在Paperswithcode网站上选择了车道检测网络中最轻的模型。 （可能有一个更简单的模型，但首先让我们看一下PINet。） 抽象的 现有SOTA技术的问题 限制可检测车道的数量 FP率高（不稳定的自动驾驶） PINet的建议 （特征提取步骤）基于堆叠沙漏方法->车道的精确点估计 （估