軸屋敬介 | Keisuke Jikuya

Home Blog Note Post

LineNet: a Zoomable CNN for Crowdsourced High Definition Maps Modeling in Urban Environments

https://arxiv.org/abs/1807.05696

Dec 13, 2022

Lane Detection,

arXiv (2018)

概要

• 現在のCNNを用いた車線検出の研究はセグメンテーションに限定されており、直感的でなく不正確である
• HDマップのモデリングのために、LP層とZoomモジュールを持つCNN手法のLineNetを提案
• 車線検出用のデータセットTTLaneを紹介

新規性・差分

• LineNetとTTLaneを組み合わせることで、HDマップのモデリングを行うパイプラインを初めて提案

アイデア

• Line Prediction(LP)層
  • 車線の位置決めと分類のために設計された追加層
  • Mask、Position、Direction、Confidence、Distance、Typeの6つのブランチがある
    • 
    • Mask
      • 一定の幅（32pixel）で描かれたストローク
    • Position
      • アンカーポイントから線への最小距離のベクトル
    • Direction
      • 車線の向き
    • Confidence
      • ネットワークが車線を見れているかの信頼度
    • Distance
      • アンカーポイントから線への最小距離の長さ
    • Type
      • 6種類のマーキング（白実線、白破線、黄実線、黄破線、二重線、その他）
• Zoomモジュール
  • 
  • ネットワーク構造を変えずに、視野を任意のサイズに変更できる
  • サムネイルCNNと高解像度トリミングCNNに分割
    • 2つのCNNは重みを共有する
    • サムネイルCNN
      • グローバル特徴を獲得
    • 高解像度トリミングCNN
      • 詳細に「見る」
  • インジェクション層で2つのCNNの特徴を融合
  • LP層で確信度が低い領域についてZoomモジュールを複数回適用する
    • 
    • 0.5~16倍まで
• まだ不連続な点のため、DBSCANでクラスタリング

結果

• 定量評価
  • 
• 定性評価
  • 
  • (a)原画像 (b)(c)正解 (d)SCNN (e)Mask E-CNN (f)MLD-CRF (g)LineNet
  • LineNetは二重線検出や複雑なシーンにも強い
• HD地図モデリング
  • 
  • 
  • 車線の平均誤差がGPSの5mから31.3cmへと大幅に改善