Anchor3DLane: 単眼3D車線検出のための3Dアンカーの回帰学習

単眼3D車線検出は、深度情報の欠如により困難な課題となっています。一般的な解決策として、前方視点（FV）画像や特徴量を逆透視変換（IPM）によって鳥瞰図（BEV）空間に変換し、BEV特徴量から車線を検出することが挙げられます。しかし、IPMが平坦な地面を前提とすることやコンテキスト情報の損失により、BEV表現から3D情報を正確に復元することは困難です。BEVに依存しない方法でFV表現から直接3D車線を予測する試みも行われていますが、3D車線の構造的な表現が不足しているため、他のBEVベースの手法には及ばない結果となっています。本論文では、3D空間内に3D車線アンカーを定義し、FV表現から直接3D車線を予測するBEVフリー手法である「Anchor3DLane」を提案します。3D車線アンカーはFV特徴量に射影され、構造的かつコンテキスト的な良好な情報を含む特徴量を抽出することで正確な予測を行います。さらに、レーン間の等幅性を利用した全領域最適化手法を開発し、予測の横方向誤差を低減しています。三つの人気のある3D車線検出ベンチマークでの広範な実験により、提案したAnchor3DLaneが以前のBEVベース手法よりも優れており、最先端の性能を達成していることが示されました。コードは以下のURLで公開されています：https://github.com/tusen-ai/Anchor3DLane.