# BEV分割类别说明 - Divider (分隔线)

## Divider 类别定义

根据nuScenes数据集和BEVFusion代码，**Divider**（分隔线）类别包含以下两种道路标线：

### 1. Road Divider（道路分隔线）
- **定义**: 分隔对向车流的道路中央分隔线
- **典型特征**:
  - 通常是双黄线或单黄线
  - 位于道路中央
  - 分隔相反方向的车道
  - 一般禁止跨越

### 2. Lane Divider（车道分隔线）  
- **定义**: 分隔同向车道的车道分界线
- **典型特征**:
  - 通常是白色虚线或实线
  - 位于同向车道之间
  - 用于引导车辆保持在车道内
  - 虚线可以变道，实线不能跨越

---

## 代码映射关系

在 `mmdet3d/datasets/pipelines/loading.py` 中的定义：

```python
elif name == "divider":
    mappings[name] = ["road_divider", "lane_divider"]
```

这意味着训练时，nuScenes地图中的 `road_divider` 和 `lane_divider` 两个图层会被**合并**为一个 `divider` 类别进行学习。

---

## 为什么 Divider 难度最高？

### 训练困难的原因

1. **细长结构难以捕捉**
   - 分隔线通常只有10-20cm宽
   - 在BEV图像中只占极少数像素
   - 容易被背景淹没

2. **类别不平衡严重**
   ```
   场景中像素分布（典型值）:
   - Drivable Area:  ~40% (背景大，易学习)
   - Divider:        ~1-2% (极少，难学习) 🔴
   ```

3. **视觉特征不明显**
   - 从多视角相机俯视投影时容易丢失细节
   - LiDAR点云在道路标线上反射较弱
   - 需要精确的空间对齐

4. **合并了两种不同的线**
   - Road Divider（双黄线）和 Lane Divider（白虚线）
   - 外观、宽度、间隔都不同
   - 增加了类内差异性

---

## 当前训练表现

### Phase 4A Stage 1 - Epoch 1 (73.8%)

| 类别 | Dice Loss | 难度 | 状态 |
|------|-----------|------|------|
| Drivable Area | 0.12 | 简单 | ✅ 优秀 |
| Ped Crossing | 0.27 | 中等 | ✅ 良好 |
| Walkway | 0.25 | 中等 | ✅ 良好 |
| Stop Line | 0.39 | 困难 | ⚠️ 改善中 |
| Carpark Area | 0.23 | 中等 | ✅ 优秀 |
| **Divider** | **0.59** | **极难** | 🔴 **最困难** |

**Divider** 的 Dice Loss 是所有类别中最高的（0.59），说明模型在学习这个类别时确实遇到了较大困难。

---

## 改进效果

尽管困难，但通过**600×600高分辨率 + 4层Decoder + Deep Supervision**的Phase 4A配置，Divider已经有了显著改善：

### 改善趋势
```
训练起始 (Iter 50):   Dice Loss = 0.96
当前状态 (Iter 11400): Dice Loss = 0.59
下降幅度: ↓38.5% ⭐
```

### 性能预测
```
Baseline (Epoch 23, 400×400):  IoU = 0.19
Epoch 1预估 (600×600):         IoU = 0.23 (+21%) ⭐
Epoch 10预估 (600×600):        IoU = 0.29 (+52%) ⭐⭐
```

虽然绝对值仍然较低，但相对改进幅度是**所有类别中最大的**！

---

## 实际应用影响

### Divider 检测的重要性

1. **车道保持辅助**: 识别车道分界线，防止偏离
2. **变道决策**: 判断虚线/实线，决定是否可以变道
3. **对向车流判断**: 识别道路中央分隔线，避免驶入对向车道
4. **高精地图构建**: 准确的车道级地图需要精确的分隔线

### 性能要求

```
实际应用场景推荐值:
- 辅助驾驶 (L2):  IoU ≥ 0.35
- 自动驾驶 (L4):  IoU ≥ 0.50
- 高精地图:       IoU ≥ 0.60

当前状态:
- Epoch 1预估:    IoU = 0.23 (仍需提升)
- Epoch 10预估:   IoU = 0.29 (接近L2要求)
```

---

## 可视化示例

在可视化代码中，Divider 被标记为：
- **颜色**: 黄色/褐色
- **RGB**: [160, 82, 45] 或 [255, 255, 0]

---

## 总结

**Divider（分隔线）** = **Road Divider（道路分隔线）** + **Lane Divider（车道分隔线）**

- ✅ 包含了道路中央的对向分隔线和同向车道分界线
- 🔴 是6个BEV分割类别中**最难学习**的类别
- ⭐ 但通过Phase 4A的改进，预计能获得**52%的性能提升**
- 🎯 目标是将IoU从0.19提升到0.29+，逐步接近实用水平

---

*更新时间: 2025-11-01 21:40 UTC*