低照度または光の不均一な夜間環境において、道路画像は車線の視認性が低く、局所的な過曝や影が存在します。既存の車線検出アルゴリズムは主に通常の照明環境下での検出能力の向上に焦点を当てており、夜間照明環境下での道路特徴の劣化問題を無視しているため、アルゴリズムの精度と頑健性が低くなっています。これらの問題に対応するため、本稿ではエンコーダ・デコーダによるセマンティックセグメンテーションフレームワークの下で、行列グリッド認識Transformerに基づく車線検出方法を提案します。本手法はまず光強調曲線モジュールを用いて入力画像の照明正規化を行い、生成対向ネットワークにより照明不均衡画像から照明分布が合理的な画像へのマッピングを実現し、ノイズおよび過曝を効果的に抑制します。エンコーダはResNet34ネットワークを用いてマルチスケール特徴を抽出します；行列グリッド認識Transformerモジュールは行・列の双方向トークンエンコーディングにより車線の空間構造および文脈関係を明示的にモデル化し、モデルの幾何変形および局所遮蔽に対する頑健性を強化します。デコーダは両辺アップサンプリングモジュールと信頼度評価モジュールで構成され、それぞれ特徴再構築と車線存在予測を行います。実験結果により、本手法はTuSimpleデータセットにおいて96.86%の精度を達成し、CULaneデータセットでは全体シーンのF1スコアが77.5%、夜間シーンでのF1値は76.7%に達しています。本手法の検出精度は現在の主流車線検出モデルを上回り、複雑な夜間環境下での車線検出の精度向上に有効です。

交通工学; 車線検出; セマンティックセグメンテーション; Transformer; グリッド認識