論文の概要: SC-Lane: Slope-aware and Consistent Road Height Estimation Framework for 3D Lane Detection

• arxiv url: http://arxiv.org/abs/2508.10411v1
• Date: Thu, 14 Aug 2025 07:34:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.213048
• Title: SC-Lane: Slope-aware and Consistent Road Height Estimation Framework for 3D Lane Detection
• Title（参考訳）: SC-Lane:3次元車線検出のためのスロープ認識と一貫した道路高さ推定フレームワーク
• Authors: Chaesong Park, Eunbin Seo, Jihyeon Hwang, Jongwoo Lim,
• Abstract要約: 我々は3次元レーン検出のための新しい傾斜認識と時間的に一貫した高さマップ推定フレームワークであるSC-Laneを紹介した。 SC-Lane は斜面固有の高さ特徴の融合を適応的に決定し、多様な道路測地に対するロバスト性を向上させる。 OpenLaneベンチマークの大規模な実験により、SC-Laneは高さ推定と3次元レーン検出の両方を大幅に改善することが示された。
• 参考スコア（独自算出の注目度）: 6.35342543540348
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this paper, we introduce SC-Lane, a novel slope-aware and temporally consistent heightmap estimation framework for 3D lane detection. Unlike previous approaches that rely on fixed slope anchors, SC-Lane adaptively determines the fusion of slope-specific height features, improving robustness to diverse road geometries. To achieve this, we propose a Slope-Aware Adaptive Feature module that dynamically predicts the appropriate weights from image cues for integrating multi-slope representations into a unified heightmap. Additionally, a Height Consistency Module enforces temporal coherence, ensuring stable and accurate height estimation across consecutive frames, which is crucial for real-world driving scenarios. To evaluate the effectiveness of SC-Lane, we employ three standardized metrics-Mean Absolute Error(MAE), Root Mean Squared Error (RMSE), and threshold-based accuracy-which, although common in surface and depth estimation, have been underutilized for road height assessment. Using the LiDAR-derived heightmap dataset introduced in prior work [20], we benchmark our method under these metrics, thereby establishing a rigorous standard for future comparisons. Extensive experiments on the OpenLane benchmark demonstrate that SC-Lane significantly improves both height estimation and 3D lane detection, achieving state-of-the-art performance with an F-score of 64.3%, outperforming existing methods by a notable margin. For detailed results and a demonstration video, please refer to our project page:https://parkchaesong.github.io/sclane/
• Abstract（参考訳）: 本稿では3次元レーン検出のための新しい傾斜認識と時間的に一貫した高さマップ推定フレームワークであるSC-Laneを紹介する。 固定傾斜アンカーに依存する従来のアプローチとは異なり、SC-Lane は傾斜特性の融合を適応的に決定し、多様な道路測地に対する堅牢性を向上させる。 これを実現するために,マルチスロープ表現を統一したハイトマップに統合するための画像キューから適切な重みを動的に予測するスロープ・アウェア適応機能モジュールを提案する。 さらに、ハイト一貫性モジュールは、時間的コヒーレンスを強制し、連続するフレーム間の安定した正確な高さ推定を保証する。 SC-Laneの有効性を評価するため,道路高評価には平均絶対誤差(MAE),ルート平均正方形誤差(RMSE),しきい値に基づく精度の3つの基準を用いる。 先行研究[20]で導入されたLiDAR由来のハイトマップデータセットを用いて,これらの指標に基づいて手法をベンチマークし,将来の比較のための厳密な基準を確立する。 OpenLaneベンチマークの大規模な実験により、SC-Laneは高度推定と3Dレーン検出の両方を著しく改善し、64.3%のFスコアで最先端のパフォーマンスを達成し、既存の手法よりも顕著に優れていることが示された。 詳細な結果とデモビデオについては、プロジェクトページを参照してください。

関連論文リスト

• TS-SatMVSNet: Slope Aware Height Estimation for Large-Scale Earth Terrain Multi-view Stereo [19.509863059288037]
  リモートセンシング画像による3次元地形復元は,費用対効果と大規模な地球観測を実現する。 そこで我々は,大規模リモートセンシング地形復元のための,TS-SatMVSNetというエンドツーエンドの斜面高度推定ネットワークを提案する。 MVSパイプラインに傾斜情報を完全に統合するため,マイクロレベルとマクロレベルの再現性を高めるために2つの傾斜誘導モジュールを設計した。
  論文  参考訳（メタデータ） (2025-01-02T04:18:40Z)
• HeightLane: BEV Heightmap guided 3D Lane Detection [6.940660861207046]
  単分子画像からの正確な3次元車線検出は、深さのあいまいさと不完全な地盤モデリングによる重要な課題を示す。 本研究は,マルチスロープ仮定に基づいてアンカーを作成することにより,単眼画像から高さマップを予測する革新的な手法であるHeightLaneを紹介する。 HeightLaneは、Fスコアの観点から最先端のパフォーマンスを実現し、現実世界のアプリケーションにおけるその可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-15T17:14:57Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Semi-supervised Learning from Street-View Images and OpenStreetMap for Automatic Building Height Estimation [59.6553058160943]
  本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。 提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。 予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
  論文  参考訳（メタデータ） (2023-07-05T18:16:30Z)
• Learning multiobjective rough terrain traversability [0.0]
  本研究では, 地形の高分解能地形データと地上車両シミュレーションを用いて, トラバーサビリティの予測を行う手法を提案する。 深層ニューラルネットワークは、局所的なハイトマップと目標速度からトラバーサビリティ対策を予測するために訓練される。 従来は見つからなかったレーザ走査型森林地形のモデルについて検討した。
  論文  参考訳（メタデータ） (2022-03-30T14:31:43Z)
• FD-SLAM: 3-D Reconstruction Using Features and Dense Matching [18.577229381683434]
  本稿では,高密度フレーム・モデル・オードメトリーを用いたRGB-D SLAMシステムを提案する。 マップ構築をさらに安定化させる3次元特徴に基づく学習ベースのループクロージャコンポーネントを組み込んだ。 このアプローチは、他のシステムがしばしば失敗する大きなシーンにも拡張できる。
  論文  参考訳（メタデータ） (2022-03-25T18:58:46Z)
• From 2D to 3D: Re-thinking Benchmarking of Monocular Depth Prediction [80.67873933010783]
  我々は,MDPが現在,3Dアプリケーションにおける予測の有用性を評価するのに有効な指標に頼っていることを論じる。 これにより、2Dベースの距離を最適化するのではなく、シーンの3D構造を正確に認識し、推定に向けて改善する新しい手法の設計と開発が制限される。 本稿では,MDP手法の3次元幾何評価に適した指標セットと,提案手法に不可欠な室内ベンチマークRIO-D3Dを提案する。
  論文  参考訳（メタデータ） (2022-03-15T17:50:54Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。