3D-LaneNet: エンドツーエンドの3D複数車線検出

単一画像から道路シーンの3Dレーン配置を直接予測するネットワークを紹介します。本研究は、既知の一定のレーン幅を仮定せずに、また事前にマッピングされた環境に依存せずに、車載センシングを使用してこの課題に取り組む最初の試みとなります。我々のネットワークアーキテクチャである3D-LaneNetは、2つの新しい概念を導入しています：ネットワーク内逆透視投影（Intra-Network Inverse-Perspective Mapping: IPM）とアンカーベースのレーン表現です。ネットワーク内のIPM射影は、通常の画像ビューとトップビューでの双方向情報フローを促進します。列ごとのアンカーベース出力表現により、クラスタリングや外れ値除去などの一般的なヒューリスティックに代わるエンドツーエンドアプローチが可能となり、レーン推定を物体検出問題として扱います。さらに、我々のアプローチはレーンの合流や分岐などの複雑な状況を明示的に処理します。結果は2つの新しい3Dレーンデータセット（合成データセットと実際のデータセット）で示されています。既存手法との比較のために、tuSimpleレーン検出ベンチマーク（画像のみ）で我々のアプローチをテストし、最先端技術と競合する性能を達成しました。