Anchor3DLane: 단일 카메라를 이용한 3D 차선 검출을 위한 3D 앵커 회귀 학습

단일 카메라 3D 차선 검출은 깊이 정보의 부족으로 인해 어려운 과제입니다. 일반적인 해결 방법은 역 관점 매핑(Inverse Perspective Mapping, IPM)을 사용하여 전방 시점(Front-Viewed, FV) 이미지나 특징을 조감도(Bird-Eye-View, BEV) 공간으로 변환한 후 BEV 특징에서 차선을 검출하는 것입니다. 그러나 IPM은 평평한 지면 가정에 의존하고 맥락 정보를 잃어버리기 때문에 BEV 표현에서 3D 정보를 정확하게 복원하는 데 어려움이 있습니다. 이에 따라 BEV를 제거하고 FV 표현에서 직접 3D 차선을 예측하려는 시도가 있었지만, 구조화된 3D 차선 표현의 부족으로 인해 여전히 다른 BEV 기반 방법들보다 성능이 떨어졌습니다. 본 논문에서는 3D 공간에서 3D 차선 앵커(Anchor)를 정의하고 FV 표현에서 직접 3D 차선을 예측하는 BEV 없는 방법인 Anchor3DLane을 제안합니다. 3D 차선 앵커는 FV 특징으로 투영되어 구조적이고 맥락적인 정보를 모두 포함하여 정확한 예측을 할 수 있는 특징을 추출합니다. 또한, 차선 간 등폭(Equivalent Width) 속성을 활용하여 예측의 횡방향 오류(Lateral Error)를 줄이는 전역 최적화 방법도 개발하였습니다. 세 가지 유명한 3D 차선 검출 벤치마크에서 수행된 광범위한 실험 결과, 우리의 Anchor3DLane이 이전의 BEV 기반 방법들을 능가하며 최고 수준의 성능을 달성함을 보여주었습니다. 코드는 다음 주소에서 확인할 수 있습니다: https://github.com/tusen-ai/Anchor3DLane.