PVALane: 시야 무관 특성 정렬을 통한 사전 지도 3D 차선 감지

단안 3D 차선 검출은 신뢰성 있는 자율주행 시스템에 필수적이며 최근 급속도로 발전하고 있다. 기존의 대표적인 방법들은 전면 시점(Front-View, FV) 공간 기반으로 사전 정의된 3D 앵커를 활용하여 시점 변환의 영향을 완화하는 데 초점을 맞추고 있다. 그러나 FV 기반 접근 방식에서 FV 공간과 3D 공간 사이의 시점 기하학적 왜곡으로 인해 매우 밀도 높은 앵커 설계가 필요하게 되며, 이는 결국 혼란스러운 차선 표현을 초래한다. 본 논문에서는 차선 검출을 위한 새로운 사전 지식 기반의 시각을 제안하고, 정확하고 효율적인 3D 차선 검출을 달성하기 위해 2D 사전 지식을 활용하는 엔드 투 엔드 프레임워크인 PVALane을 제안한다. 2D 차선 예측은 차선 존재에 대한 강력한 사전 정보를 제공할 수 있으므로, PVALane은 FV 특징을 이용해 2D 공간 내 잠재적 차선을 포함하는 희소한 사전 앵커를 생성한다. 이러한 동적 사전 앵커는 PVALane이 명확한 차선 표현을 달성하고, 차선 탐색 공간이 감소함에 따라 정밀도를 효과적으로 향상시키는 데 기여한다. 또한, 이러한 사전 앵커를 활용하고 FV 및 새벽 시점(Bird-Eye-View, BEV) 공간에서 차선을 표현함으로써, FV와 BEV 특징에서 추출한 의미적 및 기하학적 정보를 효과적으로 정렬하고 융합할 수 있다. OpenLane 및 ONCE-3DLanes 데이터셋에서 실시한 광범위한 실험을 통해 제안한 방법이 기존 최첨단 기법들에 비해 뛰어난 성능을 보이며 뛰어난 로버스트성을 입증하였다.