[論文レビュー] LaneSegNet: Map Learning with Lane Segment Perception for Autonomous Driving

Tianyu Li, Peijin Jia+5 more|arXiv (Cornell University)|Dec 26, 2023

Autonomous Vehicle Technology and Safety被引用数 10

ひとこと要約

LaneSegNetは地図学習を end-to-end で実現する車線セグメント認識を導入し、幾何学とトポロジーを統合して車線セグメントとその接続を共同推定。OpenLane-V2で実時間速度を実現し、最先端の結果を達成。

ABSTRACT

A map, as crucial information for downstream applications of an autonomous driving system, is usually represented in lanelines or centerlines. However, existing literature on map learning primarily focuses on either detecting geometry-based lanelines or perceiving topology relationships of centerlines. Both of these methods ignore the intrinsic relationship of lanelines and centerlines, that lanelines bind centerlines. While simply predicting both types of lane in one model is mutually excluded in learning objective, we advocate lane segment as a new representation that seamlessly incorporates both geometry and topology information. Thus, we introduce LaneSegNet, the first end-to-end mapping network generating lane segments to obtain a complete representation of the road structure. Our algorithm features two key modifications. One is a lane attention module to capture pivotal region details within the long-range feature space. Another is an identical initialization strategy for reference points, which enhances the learning of positional priors for lane attention. On the OpenLane-V2 dataset, LaneSegNet outperforms previous counterparts by a substantial gain across three tasks, extit{i.e.}, map element detection (+4.8 mAP), centerline perception (+6.9 DET$_l$), and the newly defined one, lane segment perception (+5.6 mAP). Furthermore, it obtains a real-time inference speed of 14.7 FPS. Code is accessible at https://github.com/OpenDriveLab/LaneSegNet.

研究の動機と目的

• 幾何学・意味情報・トポロジーを統合したオンラインHDマップ学習のための unified な車線セグメント表現を動機づける。
• 幾何学・意味情報・車線グラフの結合性を予測するエンドツーエンドのネットワーク（LaneSegNet）を開発する。
• 長距離特徴学習と局所特徴学習を改善する新規デコーダ2つ—heads-to-regions を用いた車線注意と参照点の同一初期化—を導入する。
• OpenLane-V2で車線セグメント認識がマップ要素検出、中心線認識、および新しい車線セグメント認識タスクを改善することを示す。
• LaneSegNetはマルチブランチベースラインと比較して、実時間FPSと待機遅延の点で有利な効率を示す。

提案手法

• 車線セグメント認識を中心線と車線境界を統合した unified なマップ表現として提案する。
• BEV特徴のエンコーダと heads-to-regions 機構を持つデコーダを備えた LaneSegNet を導入する。
• 最初のデコーダ層で参照点の同一初期化を用い、位置事前情報の学習を安定化させる。
• ジオメトリ（中心線・左/右境界）、インスタンスマスク、車線タイプ、車線グラフトポロジーの複数MLPブランチを介して車線セグメントを予測する。
• 幾何（マンハッタン距離）、セグメンテーションマスク（CE + dice）、車線タイプ、トポロジー（隣接性の focal loss）に対する損失を用いたHungarian割り当て（DETR風）で訓練する。
• OpenLane-V2上で3つのタスク：マップ要素検出、中心線認識、車線セグメント認識の評価プロトコルを採用する。

実験結果

リサーチクエスチョン

• RQ1 車線セグメントはオンラインHDマップ学習のための幾何学情報とトポロジー情報の両方を捉える unified 表現として機能できるか。
• RQ2 車線セグメントベースのネットワークは検出・トポロジー推論・新しい車線セグメント認識指標で中心線・マップ要素ベースのアプローチより優れているか。
• RQ3 提案された車線注意と同一初期化戦略は長距離学習と elongated 車線構造の局所ディテール保持を改善するか。
• RQ4 LaneSegNetと単一ブランチまたは複数ブランチのベースラインとの間で効率と精度のトレードオフはどうなるか。
• RQ5 LaneSegNetはOpenLane-V2データセットの3タスクへどの程度一般化するか。

主な発見

方法	mAP ↑	AP ls ↑	AP ped ↑	TOP lsls ↑	AE type ↓	AE dist ↓	FPS
TopoNet	23.0	23.9	22.0	1.0	-	0.769	10.5
MapTR	27.0	25.9	28.1	-	-	0.695	14.5
MapTRv2	28.5	26.6	30.4	-	-	0.702	13.6
LaneSegNet-tiny	28.5	28.2	28.7	6.8	10.6	0.710	16.2
LaneSegNet	32.6	32.3	32.9	8.1	9.2	0.673	14.7

• LaneSegNetは車線セグメント認識の平均精度（mAP）を向上させ、左/右境界のAPを改善（32.6、32.3/32.9、相対的に高い）した。
• LaneSegNetはトポロジー推論（TOP lsls = 8.1）とタイプ/距離エラーの抑制（AE type = 9.2、AE dist は行に明示されていないが含まれる）で代替案より優れている。
• LaneSegNet-tinyは車線セグメントタスクで 28.5 mAP、16.2 FPS を実現し、精度と速度の良好なトレードオフを示す。
• マップ要素検出では LaneSegNet は 27.5 mAP に到達し、lane-segment ラベルで再訓練した VectorMapNet および MapTR 派生を上回る。
• 中心線認識では LaneSegNet は 31.8 DET l および 7.6 TOP ll を報告し、局所化とトポロジー推論の双方で従来手法を上回る。
• LaneSegNet は 14.7 FPS のリアルタイム推論速度を示し、マルチブランチベースラインと比較してデコーダ待機時間を 31.4% 減少させる。