VH-HFCN based Parking Slot and Lane Markings Segmentation on Panoramic Surround View
Abstract
本文构建了一个公共PSV数据集。同时，我们提出了一种基于PSV数据集的基于高度融合卷积网络(HFCN)的车位和车道标记分割方法。该网络以HFCN为基础，采用额外高效的VH-stage对各种标记进行更好的分割。VH-stage由两条独立的线性卷积路径组成，分别具有垂直卷积核和水平卷积核。这种改进使得网络能够稳健、准确地提取线性特征。
Method
这篇文章搭建了如下的网络模型，从模型中看出，作者的主要思想是VH阶段，提取线段的特征。
第二个点就是作者设计的loss，对不同的取区域设置不同的loss，并且添加了之前的5个输出的loss。
最后根据网络的输出再处理
1)应用形态学骨架化提取每个分割区域的中心路径;
2)添加骨架上的霍夫线变换，生成所需的线;
3)对相似的线路进行分区合并，建立车位和车道。经过处理后，将检测到的车位和车道用于自动停车。
小计
这是一篇利用分割来检测车位线的方法，在神经网络充斥的今天，无疑最适合当前的做法。