2달 전

agnostic lane detection agnostic 차선 인식

Yuenan Hou
agnostic lane detection
agnostic 차선 인식
초록

차선 인식은 자율 주행에서 중요한 과제이지만, 여러 요인에 의해 어려움을 겪습니다. 예를 들어, 조명 상태, 다른 차량으로 인한 가림 현상, 도로 상의 무관한 표시 및 차선의 본질적으로 길고 좁은 특성 등이 있습니다. 기존 방법들은 일반적으로 차선 인식을 의미 분할 작업으로 취급하여 이미지의 각 픽셀에 클래스 라벨을 할당합니다. 이러한 접근 방식은 차선의 수가 미리 정의되고 고정되어 있으며 차선 변경이 발생하지 않는다는 가정에 크게 의존하지만, 이는 항상 성립하지 않습니다. 따라서 차선 인식 모델을 임의의 수의 차선과 차선 변경 시나리오에도 적용하기 위해 인스턴스 분할 접근 방식을 채택하였습니다. 이 접근 방식은 먼저 차선과 배경을 구분하고, 그 다음 각 차선 픽셀을 개별 차선 인스턴스로 분류합니다. 또한 다중 작업 학습 패러다임을 활용하여 구조적 정보를 더 효과적으로 활용하고 피라미드 특징 구조를 사용하여 극도로 좁은 차선을 감지합니다. 제안된 알고리즘의 유효성을 검증하기 위해 세 가지 유명한 차선 인식 벤치마크인 TuSimple, CULane 및 BDD100K를 사용하였습니다.