Gen-LaneNet: 3D 차선 검출을 위한 일반화되고 확장 가능한 접근 방식

우리는 단일 이미지에서 3D 차선을 감지하기 위한 일반화되고 확장 가능한 방법인 Gen-LaneNet을 제시합니다. 이 방법은 최신의 3D-LaneNet에 영감을 받아, 이미지 인코딩, 특성의 공간 변환 및 3D 차선 예측을 단일 네트워크에서 통합적으로 해결하는 프레임워크입니다. 그러나, 우리는 Gen-LaneNet에 대해 두 가지 측면에서 독특한 설계를 제안합니다. 첫째, 새로운 좌표 프레임에서 기하학적 가이드를 받는 차선 앵커 표현을 소개하고, 네트워크 출력으로부터 실제 3D 차선 점들을 직접 계산하기 위해 특정 기하학적 변환을 적용합니다. 우리는 새로운 좌표 프레임에서 차선 점들이 밑바닥 위쪽 뷰 특성과 일치하는 것이 낯선 장면을 처리하는 일반화된 방법에 있어 중요하다는 것을 보여줍니다. 둘째, 이미지 세그멘테이션 서브네트워크와 기하학적 인코딩 서브네트워크의 학습을 분리하는 확장 가능한 두 단계 프레임워크를 제시합니다. 3D-LaneNet과 비교하여, 제안된 Gen-LaneNet은 실세계 응용에서 강건한 솔루션을 달성하기 위해 필요한 3D 차선 라벨의 양을 크게 줄입니다. 또한, 우리는 3D 차선 감지 방법의 개발과 평가를 촉진하기 위해 새로운 합성 데이터셋과 그 구축 전략을 공개합니다. 실험에서는 광범위한 아블레이션 연구를 통해 제안된 Gen-LaneNet이 평균 정밀도(AP)와 F-점수 측면에서 3D-LaneNet보다 현저히 우수함을 입증하였습니다.