准确可靠的车道检测是车道保持(LK)、变道自动化(LCA)和车道偏离警告(LDW)功能的关键特征。基于特性的方法使用了通用框架，将车道检测方法分解为几个模块:图像预处理、特征提取、模型拟合、图像与世界的对应和时间集成。文章从场景理解出发，解决基于CNNs的面向任务的车道识别问题。文章提出的方法具有三个优点：1）在复杂场景中的适应性：与直接检测车道对象相比，整体街道场景具有更稳定的布局，对光线、遮挡和天气等不利因素的鲁棒性更强。2）感知的可靠性和可重用性：文章提出了一种模仿人类感知能力的分层分割结构，用于可靠的场景线索预测，可用于其他感知任务，如越野驾驶中的可驾驶区域检测。3）与异构数据集的兼容