2달 전

단일 이미지에서 기하학적 제약을 통해 3D 차선 형태와 카메라 자세 예측 학습

Liu, Ruijin ; Chen, Dapeng ; Liu, Tie ; Xiong, Zhiliang ; Yuan, Zejian
단일 이미지에서 기하학적 제약을 통해 3D 차선 형태와 카메라 자세 예측 학습
초록

카메라를 이용한 3D 차선 검출은 자율 주행 차량 분야에서 떠오르는 문제입니다. 이 작업에서 정확한 카메라 자세는 정밀한 3D 차선 생성의 핵심이며, 이는 관점 시점 이미지를 상위 시점 이미지로 변환할 수 있게 합니다. 이러한 변환을 통해 관점 효과를 제거하여 3D 차선이 유사하게 보이고 저차 다항식으로 정확히 맞출 수 있습니다. 그러나 주류 3D 차선 검출기들은 다른 센서가 제공하는 완벽한 카메라 자세에 의존하며, 이는 비용이 많이 들고 다중 센서 교정 문제를 겪습니다. 이러한 문제를 해결하기 위해, 우리는 단일 이미지에서 카메라 자세를 추정하는 두 단계 프레임워크를 제안합니다. 첫 번째 단계는 관점 시점 이미지로부터 카메라 자세 추정 작업을 목표로 합니다. 자세 추정의 정확도를 높이기 위해, 우리는 보조 3D 차선 작업과 기하학적 제약 조건을 도입하여 다중 작업 학습의 이점을 활용합니다. 이는 3D와 2D 간의 일관성을 향상시키고 위 두 작업의 호환성을 강화합니다. 두 번째 단계는 3D 차선 작업을 목표로 하며, 이전에 추정된 자세를 사용하여 거리에 영향을 받지 않는 차선 모양을 포함하는 상위 시점 이미지를 생성하여 정확한 3D 차선 예측을 수행합니다. 실험 결과, 실제 카메라 자세 없이도 우리의 방법론은 최신 완벽한 카메라 자세 기반 방법론들을 능가하고 가장 적은 매개변수와 계산량을 가짐을 확인할 수 있었습니다. 코드는 https://github.com/liuruijin17/CLGo 에서 제공됩니다.