PVALane：ビュー無差別特徴アライメントを用いた事前知識ガイド付き3次元車線検出

単眼3次元Lane検出は信頼性の高い自動運転システムにおいて不可欠であり、近年急速に発展している。従来の主流な手法は、前方視点（Front-View, FV）空間に基づき、事前に定義された3次元アンカーを用いてLane検出を行うが、その目的は視点変換に起因する影響を軽減することにある。しかし、このFVベースのアプローチでは、FV空間と3次元空間の間にある透視幾何学的歪みが、極めて密集したアンカー設計をもたらし、結果としてLaneの表現が混乱しやすくなるという課題がある。本論文では、Lane検出に対する新たな事前知識を活用する視点を提案し、2次元の事前知識を用いて高精度かつ効率的な3次元Lane検出を実現するエンドツーエンドフレームワーク「PVALane」を提案する。2次元Lane予測はLaneの存在に対する強い事前知識を提供できるため、PVALaneはFV特徴を活用して2次元空間における潜在的なLaneを含むスパースな事前アンカーを生成する。これらの動的な事前アンカーにより、PVALaneは明確なLane表現を実現し、検出対象のLane探索空間を大幅に削減することで、検出精度を顕著に向上させている。さらに、これらの事前アンカーを活用しつつ、LaneをFV空間と鳥瞰視点（Bird-Eye-View, BEV）空間の両方で表現することで、FV特徴とBEV特徴から得られる意味情報と幾何情報の効果的な整合と統合が可能となった。OpenLaneおよびONCE-3DLanesデータセットを用いた広範な実験により、本手法が既存の最先端手法と比較して優れた性能を発揮し、高いロバスト性を示すことが確認された。