SwiftLane: 빠르고 효율적인 차선 검출을 향해

최근의 차선 검출 연구들은 복잡한 환경에서도 정확한 차선 탐지를 가능하게 했지만, 많은 경우 제한된 계산 자원 하에서 실시간 성능을 제공하지 못하는 문제가 있다. 본 연구에서는 행별 분류(formulation) 방식을 활용한 간단하고 가벼운 엔드투엔드(end-to-end) 딥러닝 기반 프레임워크인 SwiftLane을 제안한다. 이 프레임워크는 거짓 양성(false positive) 억제 알고리즘과 곡선 피팅 기법을 추가하여 정확도를 더욱 향상시켰다. 제안한 방법은 CULane과 같은 인기 있는 벤치마크 데이터셋에서 정확도는 기존 최고 수준과 비슷한 수준을 달성하면서도, 추론 속도가 초당 411 프레임에 달하여 기존 최첨단 기술보다 빠른 성능을 보였다. 또한, TensorRT 최적화와 결합된 본 연구의 프레임워크는 내장형 시스템인 Nvidia Jetson AGX Xavier에서 실시간 차선 검출을 가능하게 하며, 초당 56 프레임의 높은 추론 속도를 달성하였다.