K-Lane: 도시 도로 및 고속도로를 위한 리다르 차선 데이터셋 및 벤치마크

자율주행을 위한 핵심 기능 중 하나인 차선 탐지 기술은 최근 딥러닝의 발전과 카메라 기반 차선 데이터셋 및 벤치마크의 공개로 크게 발전해왔다. 그러나 카메라 기반 차선 탐지 네트워크(CLDNs)는 일반적으로 시점이 소실점 근처에서 왜곡되거나 조도가 낮은 환경에서 취약한 카메라 이미지에 의존하기 때문에 한계가 있다. 이에 비해 라이다 기반 차선 탐지 네트워크(LLDNs)는 Bird's Eye View(BEV)에서 직접 차선을 추출할 수 있어 운동 계획에 유리하며 다양한 조도 조건에서도 안정적으로 작동할 수 있다. 그러나 LLDNs는 대규모 공개 라이다 차선 데이터셋의 부재로 인해 활발히 연구되지 못했다. 본 논문에서는 세계 최초이자 가장 큰 도시 도로 및 고속도로용 라이다 기반 차선 데이터셋인 KAIST-Lane(K-Lane)을 소개한다. K-Lane는 15,000개 이상의 프레임을 포함하며, 다양한 도로 및 교통 조건(예: 다수의 가림 정도를 가진 가림된 도로, 주간 및 야간 도로, 합류(수렴 및 분기) 및 곡선 차선 등)에서 최대 6개의 차선에 대한 레이블을 제공한다. 또한, 포인트 클라우드 상의 차선 특성(희소하고 얇으며 전체 지면 평면을 따라 길게 연장되는 특성)을 활용하는 전역 특성 상관관계 기반 라이다 차선 탐지 네트워크(LLDN-GFC)라는 기준 모델을 제안한다. 실험 결과, LLDN-GFC는 K-Lane 데이터셋에서 F1-스코어 82.1%의 최신 기술 수준 성능을 달성하였다. 더불어, CLDNs와 달리 다양한 조도 조건에서도 우수한 성능을 보이며, 기존 CNN 기반 LLDNs와 달리 심각한 가림 상황에서도 강건함을 입증하였다. K-Lane 데이터셋, LLDN-GFC의 학습 코드, 사전 학습된 모델, 평가, 시각화 및 레이블링 도구를 포함한 완전한 개발 키트는 https://github.com/kaist-avelab/k-lane 에서 공개되어 있다.