K-Lane：都市部道路および高速道路向けのLiDARレーンデータセットおよびベンチマーク

自動運転におけるLane検出は重要な機能である。近年の深層学習の発展に加え、カメラによるLaneデータセットおよびベンチマークの公開により、カメラベースLane検出ネットワーク（CLDNs）は著しく進展した。しかしながら、CLDNsはしばしば消失点付近で歪みが生じやすく、照明条件が悪化する状況下でも性能が低下するという課題を抱えている。これに対して、LiDARによるLane検出ネットワーク（LLDNs）は、鳥瞰図（BEV）上で直接Lane線を抽出でき、運動計画に適した情報を提供することができるため、さまざまな照明条件下でも高いロバスト性を発揮する。しかし、LLDNsは大規模な公開LiDAR Laneデータセットの不足により、活発な研究が進んでいないのが現状である。本論文では、世界初かつ最大規模の都市道路および高速道路用LiDARデータセット「KAIST-Lane（K-Lane）」を紹介する。K-Laneは15,000フレーム以上を含み、複数の遮蔽レベルを持つ遮蔽された道路、昼間・夜間の異なる時間帯、合流（収束・発散）および曲線Laneなど、多様な道路状況と交通状況をカバーする。また、本研究では、グローバル特徴相関器（GFC）を活用したLiDAR Lane検出ネットワーク（LLDN-GFC）というベースラインネットワークを提案する。LLDN-GFCは、点群データにおけるLane線の空間的特徴――すなわち、疎で細長く、点群全体の地面平面に沿って延びる性質――を効果的に活用する。実験結果から、LLDN-GFCはK-Laneデータセット上でF1スコア82.1%という最先端の性能を達成した。さらに、CLDNsとは異なり、さまざまな照明条件下でも優れた性能を発揮し、従来のCNNを用いたLLDNsとは異なり、重度の遮蔽状況下でも堅牢性を維持することが確認された。K-Laneデータセット、LLDN-GFCの学習コード、事前学習済みモデル、および評価・可視化・アノテーションツールを含む包括的な開発キットは、以下のURLにて公開されている：https://github.com/kaist-avelab/k-lane。