LDNet：動的ビジョンセンサを用いたエンドツーエンド型線路マーク検出アプローチ

現代の自動車は、意図しない車線逸脱を防止する自動車線維持機能を含む、多様なドライバー支援システムを搭載している。従来の車線検出手法は、手作業で設計された特徴量または深層学習ベースの特徴量を用い、フレームベースのRGBカメラを用いて後処理技術を適用して車線を抽出するものである。しかし、フレームベースのRGBカメラを用いた車線検出は、照明の変化、日差しの眩しさ、運動ブラーなどの影響を受けやすく、結果として車線検出性能に制約が生じる。自律走行のセンシングスタックにおいて、イベントカメラを導入することで、フレームベースRGBカメラが抱える課題を緩和する最も有望な解決策の一つとして注目されている。本研究の主な貢献は、動的ビジョンセンサ（イベントカメラ）を活用した車線マーク検出モデルの設計にある。本論文では、畳み込みエンコーダとアテンション誘導型デコーダを組み合わせた新規な車線マーク検出アーキテクチャを提案し、イベントカメラを用いた応用の可能性を検証した。エンコーダの出力特徴量の空間解像度を維持するために、密なアトラス空間ピラミッドプーリング（ASPP）ブロックを採用した。デコーダにおける加算型アテンション機構は、高次元のエンコード特徴量に対する処理を効率化し、車線の局所化精度を向上させるとともに、後処理の計算負荷を軽減する効果をもたらす。提案手法の有効性は、車線抽出用DVSデータセット（DET）を用いて評価された。実験結果から、多クラスおよび二値クラスの車線マーク検出タスクにおいて、それぞれ$5.54\%$および$5.03\%$のF1スコア向上が確認された。さらに、交差率（IoU）においても、それぞれ多クラスおよび二値クラスタスクで、最先端の既存手法を$6.50\%$および$9.37\%$上回る性能を達成した。