リソース制約のある自律走行車のための、ビジョンに基づく車線追従と交通標識認識

Abstract

自動運転車（AV）は、道路環境を理解し、安全に走行するためにリアルタイムの知覚システムに依存しています。しかし、計算資源が限られた組み込みプラットフォーム上で信頼性の高い知覚アルゴリズムを実装することは、限られた計算資源のため依然として困難です。本論文では、組み込み型自動運転車向けに、レーン検出、レーン追跡、交通標識認識を統合した軽量なビジョンベースのフレームワークを提案します。計算効率の高い閾値ベースのレーンセグメンテーション手法と、パースペクティブ変換およびヒストグラムに基づく曲率推定を組み合わせることで、照明条件が変化しても頑健なレーン追跡を実現します。ルールベースの操舵制御器は、安定した車両のナビゲーションを維持するための操舵指令を生成します。交通標識認識では、2つの軽量畳み込みニューラルネットワーク（CNN）であるEfficientNet-B0とMobileNetV2を、車載カメラで取得した独自データセットを用いて評価します。実験結果は、本システムが、最大オフセットRMSEがわずか3.16%でありながらリアルタイム性能を達成し、正確なレーン追跡を維持できることを示しています。EfficientNet-B0は、テストデータセットにおいてオフラインの分類精度98.77%を達成し、さらにオンデバイスのリアルタイム展開時には90%の精度を達成しており、両設定においてMobileNetV2を上回ります。一方、MobileNetV2は、わずかに推論が速く、計算コストが低いという利点があります。これらの結果は、計算資源が制約された自動運転アプリケーションに対する、軽量なビジョンベース知覚パイプラインの有効性を示しています。