WS-3D-Lane: Weakly Supervised 3D Lane Detection With 2D Lane Labels

要約

2D レーンと比較して、実際の 3D レーン データを正確に収集することは困難です。
この論文では、弱教師あり 3D レーン検出 WS-3D-Lane と呼ばれる、2D レーン ラベルのみを使用して 3D レーンをトレーニングするための新しい方法を提案します。
一定の車線幅と隣接する車線の高さが等しいという仮定により、トレーニングで 3D 車線の高さを間接的に監視します。
データ収集中のカメラピッチの動的変化の問題を克服するために、カメラピッチ自己較正法が提案されています。
アンカー表現では、改良された非最大抑制 (NMS) メソッドを使用した二重層アンカーを提案します。これにより、アンカーベースのメソッドが近い 2 つの車線ラインを予測できるようになります。
実験は、3D-LaneNet に基づいて 2 つの監視方法で行われます。
監視が弱い設定では、WS-3D-Lane は以前の 3D-LaneNet よりも優れています。F スコアは Apollo 3D 合成データセットで 92.3% に上昇し、F1 は ONCE-3DLanes で 74.5% に上昇します。
一方、純粋に監視された設定の WS-3D-Lane は、より多くのインクリメントを作成し、最先端のものよりも優れています。
私たちの知る限りでは、WS-3D-Lane は、弱い教師あり設定での 3D レーン検出の最初の試みです。

要約(オリジナル)

Compared to 2D lanes, real 3D lane data is difficult to collect accurately. In this paper, we propose a novel method for training 3D lanes with only 2D lane labels, called weakly supervised 3D lane detection WS-3D-Lane. By assumptions of constant lane width and equal height on adjacent lanes, we indirectly supervise 3D lane heights in the training. To overcome the problem of the dynamic change of the camera pitch during data collection, a camera pitch self-calibration method is proposed. In anchor representation, we propose a double-layer anchor with a improved non-maximum suppression (NMS) method, which enables the anchor-based method to predict two lane lines that are close. Experiments are conducted on the base of 3D-LaneNet under two supervision methods. Under weakly supervised setting, our WS-3D-Lane outperforms previous 3D-LaneNet: F-score rises to 92.3% on Apollo 3D synthetic dataset, and F1 rises to 74.5% on ONCE-3DLanes. Meanwhile, WS-3D-Lane in purely supervised setting makes more increments and outperforms state-of-the-art. To the best of our knowledge, WS-3D-Lane is the first try of 3D lane detection under weakly supervised setting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google