LaneCPP: 물리적 사전 정보를 사용한 연속 3D 차선 검출

단일 카메라 기반 3D 차선 인식은 자율 주행의 맥락에서 기본적인 문제로 자리 잡았습니다. 이는 도로 표면을 찾고 차선 마킹을 위치시키는 작업을 포함합니다. 주요 과제 중 하나는 복잡한 차선 구조를 모델링할 수 있는 유연하면서도 강건한 선 표현 방식입니다. 그러나 예측 불가능한 행동을 피하는 것이 여전히 중요합니다. 이전 방법들은 완전히 데이터 주도적 접근 방식에 의존하였지만, 우리는 물리적 사전 지식을 활용하여 복잡한 차선 구조와 도로 기하학을 모델링하는 연속적인 3D 차선 인식 모델인 LaneCPP라는 새로운 접근 방식을 제안합니다. 우리의 정교한 차선 모델은 복잡한 도로 구조를 모델링할 수 있으며, 물리적 제약 조건이 정규화 방식으로 파라미터 표현에 적용되어 강건한 동작을 보여줍니다. 또한, 우리는 기하학적으로 인지된 공간 특성을 모델링하여 3D 특성 공간에 도로 기하학에 대한 사전 지식을 통합하였습니다. 이를 통해 네트워크가 내부적으로 도로 표면 표현을 학습하도록 유도합니다. 실험 결과, 우리의 기여가 가져오는 이점과 사전 지식 사용의 의미를 입증하며, 3D 차선 인식을 더욱 강건하게 만드는 데 있어 그 중요성을 증명하였습니다. 결과는 LaneCPP가 F-점수와 기하학적 오차 측면에서 최신 성능을 달성함을 보여줍니다.