D-3DLD：用于含不确定性估计的单目三维车道检测的深度感知体素空间映射

基于摘要分析。本文研究从单目 RGB 图像估计三维车道这一不适定问题，提出 D-3DLD，通过深度感知体素映射将图像上下文特征扩展到三维空间，并结合不确定性表示进行三维车道检测。 核心机制是摆脱既有方法对车道位于平坦地面的假设，在体素化特征上确定三维车道。作者认为，平坦地面假设限制了算法对真实驾驶环境中多样车道的适应能力。方法还设计了结合不确定性的车道表示，使用 Laplace loss 预测三维车道点的置信区间；深度信息的获取方式、体素构建细节、损失具体形式及置信区间的校准方式尚未验证。 作者报告，该方法在三个具有挑战性的数据集（其中两个为真实世界数据集）上达到当时最先进的检测准确性，并在合理计算负载下显著优于既有方法。摘要未给出数据集名称、划分、具体指标、数值及对照配置，因此这些结论尚不能据此独立核验；实验协议、消融及统计信息尚未验证。 该研究的主要对象是自动驾驶视觉中的三维车道几何重建，而非 EEG 或 BCI。摘要没有提供其深度与体素结构对应神经信号的具体机制，不能据此推断 BCI 有效性，不展开跨领域迁移实验建议。