Paper name

CLRNet: Cross Layer Refinement Network for Lane Detection

Paper Reading Note

URL: https://arxiv.org/pdf/2203.10350.pdf

TL;DR

• CVPR 2022 文章，自动驾驶公司飞步科技与浙大联合出品。lane anchor-based 方案，在多个数据集上取得 sota 效果

---

Introduction

背景

• 车道线检测问题中的难点
  （a） 基于 low-level 特征检测到的错误的车道线
  （b）基于 high-level 检测的车道线定位不准
  （c）被车遮挡
  （d）光照导致的模糊现象
• 需要结合 high-level 和 low-level 的特征获取准确的车道线检测效果

related works

• 基于分割的方法：SCNN 等耗时长，CurveLane-NAS 需要较长的训练 GPU hours；因为需要逐像素预测并且没有将车道线看成一个整体单元，分割方法整体耗时较长
• 基于 anchor 的方法：
  • line anchor-based：采用预先定义的 line anchor 来回归准确的车道线，Line-CNN 是baseline、LaneATT 提出 anchor-based attention 来利用全局信息，SGNet 使用消失点 guided anchor。
  • row anchor-based：在图片的每一行上预测可能是车道线的单元。UFLD 是 baseline；CondLaneNet 基于 conditional convolution 来进行车道线检测，首先检测车道线的起点，然后进行 row anchor-based 车道线检测，不过车道线的起点在复杂场景中较难找到。
• 基于参数回归的方法：PolyLaneNet 和 LSTR，这类方法一般速度快，但是精度低

本文方案

• 提出了 Cross Layer Refinement Network (CLRNet) 来充分利用 lowlevel 和 high-level 特征。
  • 首先在 high-level 特征图上粗略的车道线，然后在 low-level 特征上进行 refinement 来获取到定位更精确的车道线
  • 为了解决一些视觉上不可见的车道线，提出了 ROIGather 来采集更全局的语义信息（建立ROI车道特征与整个特征图之间的关系）
  • 提出了一种 Line IoU loss ，相比于 smooth-L1 提升精度

---

Dataset/Algorithm/Model/Experiment Detail

实现方式

车道线表示

• 车道线先验：
  • 和 Line-CNN 和 LaneATT 的定义一样，使用等分的 2D 点作为车道线的先验
    
    其中 y 在图像垂直方向上均匀采样得到，也就是如下
    
    其中 H 是图像高度，N 是分段数目
• 每个车道线先验经过网络预测以下值：
  • 是车道线的概率
  • 车道线的长度
  • 车道线的起点 （x，y），车道线先验与 x 轴的夹角 （ $\theta$ ）
  • N 个水平方向的 offset

跨层精修 （Cross Layer Refinement）

• 通用目标检测中使用 FPN 利用不同尺度的特征，让 FPN 的不同尺度的特征预测不同尺度的目标，但是车道线这里不同尺度的特征对于车道线预测都很重要，所以借鉴 Cascade-RCNN，在所有特征层上都分配车道线正样本，逐层精修
• 对于初始的车道线先验 P0（x，y， $\theta$ ），先结合高层特征 L0 进行预测出 R0，然后将 R0 送入 L1 层进行 refine，即前一层的输出作为下一层的车道线先验
  
  其中对于第一层的 L0，P0 是在图像中均匀分布；Rt 使用 Pt 作为输入获取 ROI 车道线特征，然后使用两层 fc 回归出refine 后的 Pt

ROIGather

将 lane priors 分配给 feature map 后，使用 ROIGather 提取车道线特征

• 对于 lane prior 中的点，通过双线性插值提取特征，对于 L1 L2 提取的 ROI 特征，会与上一层的 ROI 特征 concat，然后经过卷积操作来收集附近的特征，提取 lane prior 的特征是 Xp（CxNp），然后经过 fc 生成 Xp （Cx1）
• 特征图 Xf（Cx1）被 resize 为 Xf（CxHW）
• 通过车道线特征 Xp 与全局特征图 Xf 的 attention
  
  其中 f 是 softmax，聚合后的特征为
  
  输出的 g 是 Xf 对于 Xp 的 bonus，最后将输出 g 加在原始的输入 Xp 上。

Line IoU loss

训练测试细节

• Positive samples selection：综合类别、平均像素距离、角度偏差等对gt和lane prio 进行排序，将 gt 分配给最接近的 lane prior
  

• Training Loss
  
  Lcls 是 focal loss，Lxytl 是起始点的 smooth-l1 损失，Liou 是本文提出的损失；另外在训练中也会增加真值的分割损失用于辅助训练

• 测试

  • 使用分类分数的阈值来过滤 backgrounds lanes，接 nms 得到最终预测结果
  • 如果设置 一对一 的 assignment，可以做到 nms free

实验结果

实施细节

• 所有图片 resize 到 320x800
• 数据增广
  • random affine
  • 随机水平翻转
• 车道线 prior 点数 N=72
• 车道线特征采样点 Np=36

culane 精度

llamas 精度

ablation study

• 可以看出 refinement 涨点明显
  
• 需要从高层特征开始往底层特征融合精度最高，符合常规认知
  

可视化

Thoughts

• 各方面都有创新的工作，也取得了多个数据集的 sota
• 比较奇怪的是 llamas 数据集上 resnet18 比 dla34 精度还高