bev-project/BEV分割类别说明_Divider.md

4.0 KiB
Raw Permalink Blame History

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

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

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

这意味着训练时nuScenes地图中的 road_dividerlane_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