要約
車線検出は自動運転車両において極めて重要です。このため、多くの手法では車線境界情報を用いて車両の位置を道路内に特定したり、GPSベースの位置測定と統合したりしています。他の多くのコンピュータビジョンに基づくタスクと同様に、畳み込みニューラルネットワーク（CNNs）が車線境界を識別する最先端技術を代表しています。しかし、車両に対する車線境界の位置だけでは信頼性のある位置測定が困難な場合があり、経路計画や位置情報のために車線の種類に関する情報も必要となることがあります。本研究では、2つの連続したニューラルネットワークを基盤とする、リアルタイムで動作する車線境界の識別、クラスタリングおよび分類のエンドツーエンドシステムを提案します。システム構築のために、TuSimpleデータセットの14336件の車線境界インスタンスを使用し、8つの異なるクラスでラベリングを行いました。当方のデータセットおよび推論コードはオンラインで公開されています。