3D LiDARセンサからの点群データは、自動運転車両などの多様な安全性を重視するアプリケーションにおいて最も重要なセンサモダリティの一つです。点群データのアノテーションは高コストかつ時間のかかるプロセスであるため、最近ではこのタスクのためにシミュレートされた環境と3D LiDARセンサの利用が注目を集めています。シミュレーションセンサと環境を使用することで、アノテーション付きの合成点群データを取得するプロセスが大幅に容易になりました。しかし、生成された合成点群データには、実際の3D LiDARセンサから得られる点群データに通常存在するアーティファクトが欠けています。その結果、訓練されたモデルが認識タスクで実際の点群データに対してテストされる際に、シミュレーション環境と実環境との間のドメインシフトにより性能が低下します。そこで本研究では、この合成点群データと実点群データの間のギャップを埋めるためにドメイン適応フレームワークを提案しています。我々が提案するフレームワークは、深層サイクル一貫生成対抗ネットワーク（CycleGAN）アーキテクチャに基づいています。我々は、実3D LiDARセンサから得られる鳥瞰図（BEV）点群画像における車両検出タスクにおいて提案したフレームワークの性能を評価しました。評価結果によると、他のベースライン手法と比較して平均精度スコアで7%以上の改善を示しており、競争力のある結果を得ています。