鉄道環境における物体検出、LiDAR強化の深度推定、セグメンテーションモデルの統合

概要: 鉄道環境における障害物検出は、安全性を確保するために重要である。しかし、シーン内の物体を検出し、さらにそれらの車両からの距離も推定できる、完全でモジュール化され柔軟なシステムを用いてこの問題を扱う研究は非常に限られている。多くの研究は検出のみに焦点を当てており、他のものは軌道の同定を試み、障害物の距離を推定するのはごく一部にとどまる。加えて、これらのシステムの評価は、正解データが欠けているために困難である。本論文では、3つのニューラルネットワーク（物体検出、軌道セグメンテーション、単眼奥行き推定）をLiDAR点群と統合することで、レールの軌道を同定し、潜在的な障害物を検出し、それらの距離を推定する、モジュール化され柔軟な枠組みを提案する。信頼性の高い定量的評価を可能にするため、提案した枠組みは合成データセット（SynDRA）を用いて評価される。このデータセットは正確な正解アノテーションを提供し、既存手法との直接的な性能比較を可能にする。提案システムは、単眼の奥行きマップとLiDARを統合することで、平均絶対誤差（MAE）を0.63メートルまで低減することができ、距離推定の正確さに加えて、シーンの空間認識も可能にする。