単眼3次元オブジェクト検出：外部パラメータ不要なアプローチ

単眼3次元物体検出は自動運転において重要なタスクである。地面に対する自車（エゴカー）の姿勢が変化する状況では、この問題は容易に扱いにくくなる。これは道路の僅かな凹凸や勾配の変動が原因で頻繁に発生する。産業応用における洞察の不足により、既存のオープンデータセットに基づく手法はカメラの姿勢情報を無視しており、結果として検出器がカメラの外部パラメータ（extrinsic parameters）に敏感になるという欠点を抱えている。実際の自動運転システムでは、物体の姿勢が変動する状況（perturbation）が一般的である。こうした課題に対処するため、本研究ではカメラの姿勢を捉える新しい手法を提案し、外部パラメータの変動から独立した検出器の構築を目指す。具体的には、消失点（vanishing point）と水平線（horizon）の変化を検出することで、カメラの外部パラメータを予測するフレームワークを構築した。さらに、潜在空間における摂動的な特徴を補正するためのコンバータを設計した。これにより、本手法は外部パラメータの変動に依存せず、実世界の状況、例えば穴だらけや不整な路面においても正確な検出結果を達成でき、既存の多数の単眼検出器が失敗する状況でも有効である。実験結果から、KITTI 3DおよびnuScenesの両データセットにおいて、本手法は他の最先端手法と比較して大幅な性能向上を示した。