WASABI: フレーム間追跡によるレーン・トポロジー安定化のための全グラフ割当型スタビライザ
1分まとめ
レーンセグメントとその接続関係（LCLC）を統合的に追跡する後処理パイプラインWASABIを提案した。内部データセット（16シーケンス）でLCLC検出F1を0.834から0.948へ、中心線横誤差を2.4961mから0.9512mへ改善した。
- レーンセグメントとLCLC接続を統合追跡する後処理パイプラインWASABIを提案した。
- レーン検出F1は0.345から0.412へ改善し、偽陽性は24.6%減少した。
- 時間安定性はLCLCトグル率63.3%減、境界ラベルフリッカ率30.2%減だった。
- 評価は内部データセット(16シーケンス)のみで、公開ベンチマークや外部手法との比較は行われていない。
- シングルArm Cortex-A78コアで平均7.457ms(予算20ms)のリアルタイム動作を確認した。
課題
自動運転の認識が出力するレーントポロジー（レーンセグメントとその接続LCLC）は、フレーム単位の推論に起因する欠落・誤接続・重複・ラベルちらつきなどの構造的不安定さを持つ。既存のMOTは矩形物体向けで曲線セグメントと接続関係の追跡には適用できず、レーントポロジー認識手法もフレーム単体またはモデル内部の時間統合に留まる。そこで、セグメントとLCLCを統合的に追跡する後処理が求められる。
提案手法
WASABIは、認識モデルが出力するレーンセグメントとLCLCを追跡対象とし、(1) セグメントと接続を統合した追跡（状態管理とスライディングウィンドウの過半数投票によるLCLCの安定化）、(2) 入力側の重複除去・LCLC補正と出力側のレーン選択・トポロジー補正・ベジェ曲線による端点平滑化からなるノイズロバストな構造化、(3) 見出し分割によるハンガリアン割当と同一インデックスFréchet近似、早期終了フォールバックによるリアルタイム設計、の3要素で構成される。10Hz/20ms/最大200レーンという制約下で動作する。
評価と結果
評価データセットは、自社認識モデルの検証用内部データ（16シーケンス）。ベースラインは認識モデルの生出力であり、同一データにWASABIを適用した結果と比較している。指標ごとの結果は以下の通り。レーン検出F1: 0.345→0.412、Precision: 0.367→0.465、Recall: 0.326→0.369。中心線横誤差: 2.4961m→0.9512m、境界横誤差: 3.2129m→1.0647m。LCLC検出F1: 0.834→0.948（Precision 0.853→0.966、Recall 0.817→0.930）。時間安定性: LCLCトグル率0.00365→0.00134（-63.3%）、境界ラベルフリッカ率0.0389→0.0271（-30.2%）。アブレーションでは、追跡を無効化すると検出F1は0.422に上がるが、これは新規レーンを3フレーム連続で出力しないゲートの影響であり、LCLCトグル率は0.00142に悪化する。リファインメントを無効化すると偽陽性が356,097件まで増え、ベースラインの328,459件を超える。実行時間はシングルArm Cortex-A78コアで平均7.457ms、最悪20.558ms（予算20ms）。
認識モデル生出力とWASABIの比較
| 手法 | レーン検出F1 | LCLC検出F1 | 中心線横誤差(m) | LCLCトグル率 | 境界ラベルフリッカ率 |
|---|---|---|---|---|---|
| 認識モデル | 0.345 | 0.834 | 2.4961 | 0.00365 | 0.0389 |
| WASABI | 0.412 | 0.948 | 0.9512 | 0.00134 | 0.0271 |
LCLC検出F1の比較
中心線横誤差の比較
新規性
レーンセグメントとLCLC接続を統合的な追跡対象として扱い、実時間制約下で後処理パイプラインとして構成した点が新規である。既存のMOTやレーントポロジー認識の組み合わせではなく、接続関係を追跡状態に含めた点が特徴。
限界
著者は限界として、絶対的な検出性能（Precision/Recallが0.5未満）と属性精度（0.74〜0.83）が低いこと、入力数に対して計算コストが2次増加することを挙げている。さらに、評価が自社の内部データセット（16シーケンス）のみであり、公開ベンチマーク（OpenLane-V2等）や外部ベースラインとの比較がない。パラメータはセンサ構成・データセットごとに調整されており、認識モデルも自社製の1種類に限られる。実測はオフラインのシーケンス評価で、プランナを含む閉ループ評価は将来課題とされている。最悪時処理時間は20.558msと予算20msをわずかに超え、フォールバックが発動する。
産業へのインパクト
レーン認識後処理の実装例として、既存のMOTを曲線セグメントと接続関係に拡張する設計を示しており、量産ECU向けのリアルタイム制約（20ms）を単一Armコアで満たす点は日本の自動車メーカー・サプライヤーにとって参考になる。一方、評価は内部データのみで他社モデルや公開データセットでの汎用性は未検証であり、そのまま適用できる保証はない。