M$^2$-3DLaneNet: 多モーダル3D車線検出の探求

3次元空間での正確な車線の推定は、その疎さと細さのために依然として困難を伴っています。これまでの研究では主に画像を使用した3次元車線検出に焦点を当てており、これにより投影誤差や幾何学情報の損失が生じていました。これらの問題に対処するため、本研究ではLiDARを用いた3次元車線検出の可能性を探ります。単独で使用するか、既存の単眼アプローチと組み合わせて使用します。本論文では、複数のセンサから補完的な情報を統合するM$^2$-3DLaneNetを提案します。具体的には、M$^2$-3DLaneNetは深度補完を通じてLiDARデータから幾何学情報を取り入れることで、2次元特徴量を3次元空間に昇華させます。その後、昇華された2次元特徴量はLiDAR特徴量とのクロスモダリティBEV（Bird's Eye View）融合によってさらに強化されます。大規模なOpenLaneデータセットを用いた広範な実験により、M$^2$-3DLaneNetの有効性が示されました。距離（75mまたは100m）に関わらず、その性能が確認されています。