物体検出は自動運転やロボットナビゲーションの基盤です。2次元画像の情報量不足、3次元点群のデータ量多さ、密度の不均一性、検出精度の低さという課題に対して、本研究では深層学習に基づき、2次元画像と3次元点群を融合した物体検出ネットワークを提案し、3次元物体検出を行います。計算量を減らすために、まず2次元画像検出器が生成した検出枠に対応する平截頭体を用いて元の点群をフィルタリングします。点群の密度不均一の問題を解決するために、一般化ハフ変換に基づく改良投票モデルネットワークを提案し、多尺度特徴抽出を行います。最後に、2次元DIOU（Distance Intersection over Union）損失関数を3次元空間のN3D_DIOU（Normal 3 Dimensional DIOU）損失関数に拡張し、生成枠と目標枠の一貫性を高めることで点群検出精度を向上させました。KITTIデータセットで実施した多数の実験により、提案手法は従来法と比較して自動車の3次元検出精度が0.71%向上し、鳥瞰図検出精度では7.28%向上し、良好な結果を得ました。

物体検出; 2次元画像; 3次元点群; 3次元DIOU; 特徴融合