本研究提出了一种新的方法，通过RGB图像引导准确完成稀疏LiDAR地图。对于自动驾驶车辆和机器人而言，使用LiDAR以实现精确的深度预测是不可或缺的。许多应用依赖于对周围环境的感知，并利用深度线索进行推理和反应。一方面，单目深度预测方法无法生成绝对且精确的深度图。另一方面，立体视觉方法在性能上仍显著逊色于基于LiDAR的方法。深度补全任务的目标是从映射到二维平面上的稀疏且不规则的点云中生成密集的深度预测。我们提出了一种新的框架，该框架提取全局和局部信息以生成适当的深度图。我们认为简单的深度补全并不需要深层网络。然而，为了利用物体信息并纠正稀疏输入中的错误，我们还提出了从单目相机获取RGB引导的融合方法。这显著提高了准确性。此外，通过利用置信度掩模来考虑每种模态下的深度预测不确定性。该融合方法超越了现有最先进水平，并在KITTI深度补全基准测试中排名第一。我们的代码及可视化结果已公开。注：「KITTI」は、自動運転車両の研究で広く使用されるデータセットの名称です。「置信度掩模」を「confidence mask」と訳していますが、これは一般的な技術用語として使用されます（信頼度マスク）。