[論文レビュー] Agnostic Lane Detection

Yuenan Hou|arXiv (Cornell University)|May 2, 2019

Autonomous Vehicle Technology and Safety参考文献 13被引用数 21

ひとこと要約

本論文では、車線検出をインスタンスセグメンテーションタスクとして扱う、アグノスティックな車線検出フレームワークを提案する。これにより、車線数の変動や車線変更の状況においても、頑健な性能が達成できる。マルチタスク学習（走行可能領域と車線点の回帰）、特徴のピラミッド、軽量なENetバックボーンを組み合わせることで、TuSimpleおよびCULaneベンチマークにおいて最先端の効率性と競争力のある正確性を実現したリアルタイム推論を達成した。

ABSTRACT

Lane detection is an important yet challenging task in autonomous driving, which is affected by many factors, e.g., light conditions, occlusions caused by other vehicles, irrelevant markings on the road and the inherent long and thin property of lanes. Conventional methods typically treat lane detection as a semantic segmentation task, which assigns a class label to each pixel of the image. This formulation heavily depends on the assumption that the number of lanes is pre-defined and fixed and no lane changing occurs, which does not always hold. To make the lane detection model applicable to an arbitrary number of lanes and lane changing scenarios, we adopt an instance segmentation approach, which first differentiates lanes and background and then classify each lane pixel into each lane instance. Besides, a multi-task learning paradigm is utilized to better exploit the structural information and the feature pyramid architecture is used to detect extremely thin lanes. Three popular lane detection benchmarks, i.e., TuSimple, CULane and BDD100K, are used to validate the effectiveness of our proposed algorithm.

研究の動機と目的

• 固定された車線数を仮定する従来の車線検出手法の限界を解消し、車線変更時にも正常に動作すること。
• 隠蔽、悪質な照明、曇ったマーキングなどの困難な条件下でも一般化性と頑健性を向上させること。
• 軽量なネットワークバックボーン（ENet）と効率的なアーキテクチャ設計を活用して、リアルタイム推論を達成すること。
• 走行可能領域と消失点からの構造的・文脈的情報をマルチタスク学習によって活用し、構造的認識を強化すること。
• 特徴のピラミッドアーキテクチャを用いて、極めて細い車線の検出を可能にすること。

提案手法

• 本手法は、車線検出を二つのサブタスクに分解する：二値セグメンテーション（車線対背景）とインスタンス分類（各車線ピクセルを一意の車線インスタンスに割り当てる）。
• マルチタスク学習の枠組みにより、三つのヘッド（二値セグメンテーション、走行可能領域検出、車線点回帰）を統合し、構造的認識を向上させる。
• 特徴のピラミッドネットワーク（FPN）を用いて、バックボーンからのマルチスケール特徴を統合し、細い車線の検出を実現する。
• リアルタイム性能を実現するため、ENetバックボーンを採用し、モデルパラメータ数と推論時間を最小限に抑える。
• ピクセル埋め込みを経てクラスタリングを実行することで、個々の車線インスタンスに属するピクセルを分離するインスタンスレベルの予測を生成する。
• 損失関数は、セグメンテーション用の二値交差エントロピー、インスタンス分類用のフォーカル損失、および点回帰用のスムーズL1損失を組み合わせる。

実験結果

リサーチクエスチョン

• RQ1 固定クラスのセマンティックセグメンテーションを超えて、変動する車線数や車線変更の状況に対しても頑健な車線検出が可能になるか？
• RQ2 走行可能領域と消失点からの構造的・文脈的情報は、車線検出性能をどのように向上させるか？
• RQ3 ENetのような軽量ネットワークが、複雑な都市部の道路シナリオにおいてもリアルタイム推論を達成しつつ高い正確性を維持できるか？
• RQ4 特徴のピラミッドアーキテクチャは、細いまたは断片的な車線マーキングの検出をどの程度向上させるか？
• RQ5 走行可能領域と車線点からの共同監視を用いたマルチタスク学習は、一般化性と頑健性を向上させるか？

主な発見

• TuSimpleベンチマークでは、提案されたENetベースのモデルが0.98Mパラメータで96.29%の正確性を達成し、より複雑なモデル（SCNN：96.53%）と同等の性能を示した。
• CULaneでは、全体のF1スコアが68.8%を達成し、パラメータ効率性と推論速度の面でResNet-101（70.8%）とSCNN（71.6%）を上回った。
• 推論効率性が優れており、CULane上での実行時間は13.4msであり、SCNN（133.5ms）やResNet-101（171.2ms）よりも顕著に高速であった。
• 夜間（61.4%）、影（63.4%）、マーキングなし（42.9%）といった困難なカテゴリにおいても高い性能を示し、視覚的劣化に対する頑健性を示した。
• アブレーションスタディにより、走行可能領域と点回帰を併用したマルチタスク学習が、CULaneの全カテゴリで性能向上をもたらしたことが確認された。
• 特徴のピラミッドアーキテクチャは、特に混雑で複雑なシーンにおける細い車線の検出に寄与した。