LDNet: 동적 비전 센서를 활용한 엔드투엔드 차선 마킹 탐지 방법

현대 차량은 의도하지 않은 차선 이탈을 방지하는 자동 차선 유지 기능을 포함한 다양한 운전자 보조 시스템을 탑재하고 있다. 기존의 차선 검출 방법은 프레임 기반 RGB 카메라를 사용하여 수작업으로 설계된 특징 또는 딥러닝 기반 특징을 추출한 후 후처리 기법을 통해 차선을 추출한다. 그러나 프레임 기반 RGB 카메라를 활용한 차선 검출은 조도 변화, 태양광 반사 및 운동 왜곡 등의 영향을 받기 쉬워 차선 검출 성능에 한계를 겪는다. 자율주행의 인지 스택 내에서 차선 검출 작업에 이벤트 카메라(event camera)를 도입하는 것은 프레임 기반 RGB 카메라가 겪는 문제를 완화하는 가장 유망한 해결책 중 하나이다. 본 연구의 주요 기여는 동적 비전 센서(dynamic vision sensor)를 활용한 차선 마킹 검출 모델의 설계이다. 본 논문에서는 컨볼루션 인코더와 주의력 유도형 디코더를 설계함으로써 이벤트 카메라를 활용한 차선 마킹 검출의 새로운 응용을 탐구한다. 인코더에서 추출된 특징의 공간 해상도는 밀집형 아트로스 공간 피라미드 풀링(dense atrous spatial pyramid pooling, ASPP) 블록을 통해 유지된다. 디코더 내부의 추가형 주의력(additive attention) 메커니즘은 고차원 입력 특징의 성능을 향상시켜 차선의 정확한 위치 추정을 촉진하고 후처리 계산 부담을 완화한다. 제안된 방법의 유효성은 차선 추출을 위한 DVS 데이터셋(DET)을 사용하여 평가되었다. 실험 결과, 다중 클래스 및 이진 클래스 차선 마킹 검출 작업에서 각각 $5.54\%$, $5.03\%$의 F1 점수 향상이 확인되었으며, 다중 클래스 및 이진 클래스 작업에서 제안된 방법의 교차 과도율(Intersection over Union, IoU) 점수는 기존 최고 성능을 기록한 최신 기법보다 각각 $6.50\%$, $9.37\%$ 높게 나타났다.