[논문 리뷰] BSNet: Lane Detection via Draw B-spline Curves Nearby

Haoxin Chen, Mengmeng Wang외 1명|arXiv (Cornell University)|2023. 01. 17.

Autonomous Vehicle Technology and Safety인용 수 10

한 줄 요약

BSNet은 clamped quasi-uniform b-spline 곡선을 사용하여 래인을 표현하고, 경량의 proposal 기반 네트워크와 새로운 곡선 거리를 통해 Tusimple, CULane, LLAMAS에서 최첨단 성능을 달성하며 197 FPS로 실행됩니다.

ABSTRACT

Curve-based methods are one of the classic lane detection methods. They learn the holistic representation of lane lines, which is intuitive and concise. However, their performance lags behind the recent state-of-the-art methods due to the limitation of their lane representation and optimization. In this paper, we revisit the curve-based lane detection methods from the perspectives of the lane representations' globality and locality. The globality of lane representation is the ability to complete invisible parts of lanes with visible parts. The locality of lane representation is the ability to modify lanes locally which can simplify parameter optimization. Specifically, we first propose to exploit the b-spline curve to fit lane lines since it meets the locality and globality. Second, we design a simple yet efficient network BSNet to ensure the acquisition of global and local features. Third, we propose a new curve distance to make the lane detection optimization objective more reasonable and alleviate ill-conditioned problems. The proposed methods achieve state-of-the-art performance on the Tusimple, CULane, and LLAMAS datasets, which dramatically improved the accuracy of curve-based methods in the lane detection task while running far beyond real-time (197FPS).

연구 동기 및 목표

• 차선 표현의 전역성과 지역성을 개선하여 곡선 기반 차선 탐지를 촉진한다.
• 유연한 피팅과 효율적인 최적화를 지원하는 b-spline 곡선 표현을 제안한다.
• 정확한 차선 제안을 위해 전역 특성과 로컬 특성을 통합하는 BSNet을 설계한다.
• 곡선 피팅에서의 ill-conditioned 최적화를 완화하는 강건한 곡선 거리를 도입한다.

제안 방법

• 현지성과 전역성의 균형을 맞추기 위해 차선 표현으로 clamped quasi-uniform b-spline 곡선을 채택한다.
• ResNet+FPN 백본에서 차선 제안을 생성하는 proposals features init 모듈을 개발한다.
• 제안 위의 점들을 샘플링하고 self-attention을 적용하여 F_all을 생성함으로써 로컬 특성을 통합한다.
• 정규화된 점-곡선 거리로 D_AB를 D_B→A + D_A→B로 계산하는 새로운 곡선 거리를 정의한다.
• Fast NMS가 있는 간단한 예측 헤드를 사용하고, 회귀, 길이, 시작점, focal 분류 항을 포함하는 손실을 사용한다.
• AdamW와 코사인 학습률 스케줄링을 사용하여 세 가지 데이터셋(CULane, Tusimple, LLAMAS)에서 데이터 증강으로 학습한다.

실험 결과

연구 질문

• RQ1 <b-spline 기반 차선 표현이 전역성과 지역성을 모두 달성하여 곡선이 휜 차선을 포함한 차선 피팅을 개선할 수 있는가?
• RQ2 dedicated 곡선 거리가 곡선 기반 차선 탐지의 ill-conditioned 최적화 문제를 해결하는가?
• RQ3 전역/로컬 특성을 가진 경량 BSNet이 다양한 데이터셋에서 높은 추론 속도를 유지하며 최첨단 정확도를 달성할 수 있는가?
• RQ4 제어점 수와 샘플 점의 수가 피팅 품질과 안정성에 어떤 영향을 미치는가?

주요 결과

• BSNet은 곡선 기반 방법들 중에서 CULane, Tusimple, LLAMAS 데이터셋에서 최첨단 성능을 달성한다.
• ResNet-18/34 BSNet 변형이 GTX 1080Ti에서 최대 197 FPS에 도달하며, 더 강력한 백본과 비교해도 경쟁력 있는 또는 우수한 정확도를 보인다.
• 베zier 곡선보다 B-spline 표현이 로컬 특성의 도움을 받을 때 특히 더 나은 피팅을 보인다(특히 로컬 특성과의 결합 시).
• 제안된 곡선 거리가 ill-conditioned 최적화를 완화하고 회귀의 안정성 및 수렴을 향상시킨다.
• 작은 탐지 헤드를 가진 간단한 네트워크 설계가 강력한 성능을 제공하고 다태스킹 통합의 용이성을 보인다.