自动驾驶行业蓬勃发展，而其中的辅助驾驶系统 (ADAS) 或者 L2 到 L4 的驾驶场景都需要提供一些车道线检测功能如 Automated Lane Centering (ALC) 和 Lane Departure Warning (LDW)。这其中的核心模块就是一个鲁棒的，泛化性能好的车道线检测器。而随着深度学习的不断演进，2D 车道线检测已经有了较为成熟的做法。但是 2D 车道线其实是无法满足工业界的真正需求，主要体现在两点。
1. 下游的规控模块需要车道线检测发生在鸟瞰图视角（BEV），而仅作简单的前视图到鸟瞰图的投影会极大依赖于相机参数，而这在实际场景中是很难获取到准确的真值。
2. 车道线的高度信息在投影过程中占有很重要的地位，尤其是在上下坡场景中，高度信息会极大的影响投影质量，而之前的投影做法是在水平路面的假设上进行的。而目前市面上缺少一个带高度信息的车道线数据集。
针对这些问题，上海人工智能实验室自动驾驶团队的研究员分别提出了 PersFormer（Perspective Transformer）一种端到端的单目 3D 车道线检测器，和大规模真实场景 3D 车道数据集——OpenLane。
