BEV-LaneDet: 간단하고 효과적인 3D 차선 인식 기준모델

차량 경로 설정에 중요한 역할을 하는 3D 차선 인식은 최근 자율 주행 분야에서 빠르게 발전하고 있는 주제입니다. 이전 연구들은 복잡한 공간 변환과 유연하지 않은 3D 차선 표현으로 인해 실제 적용에 어려움을 겪었습니다. 이러한 문제를 해결하기 위해, 본 연구에서는 효율적이고 강건한 단일 카메라 3D 차선 인식 방법인 BEV-LaneDet를 제안하며, 세 가지 주요 기여점을 제시합니다.첫째, 다양한 차량에 장착된 카메라의 내부 및 외부 매개변수를 통합하여 카메라 간의 공간 관계 일관성을 보장하는 가상 카메라(Virtual Camera)를 도입하였습니다. 이는 통합된 시각적 공간 덕분에 학습 절차를 효과적으로 촉진할 수 있습니다. 둘째, 복잡하고 다양하게 구성된 3D 차선 구조를 더 잘 표현할 수 있는 간단하면서도 효율적인 3D 차선 표현 방법인 키 포인트 표현(Key-Points Representation)을 제안하였습니다. 마지막으로, 다중 스케일 전방 뷰 특징을 BEV 특징으로 변환하는 경량화되고 칩 친화적인 공간 변환 모듈인 스페이셜 트랜스포메이션 피라미드(Spatial Transformation Pyramid)를 소개하였습니다.실험 결과, 본 연구는 F-Score 측면에서 최신 접근법들을 능가하며, OpenLane 데이터셋에서는 10.6% 높은 성능을 보였으며, Apollo 3D 합성 데이터셋에서는 5.9% 높은 성능을 나타냈습니다. 또한, 처리 속도는 185 FPS입니다. 소스 코드는 https://github.com/gigo-team/bev_lane_det에서 제공될 예정입니다.