コンピュータビジョンにおける基礎的な問題として、3Dオブジェクト検出は急速な進展を遂げている。不規則かつ疎な点群から点単位の特徴を抽出するため、従来の手法は通常、オブジェクト候補に対して点特徴を集約するための特徴グループ化モジュールを用いる。しかし、これらの手法は前景オブジェクトの表面幾何構造を活用してグループ化や3Dボックス生成を向上させる点にまだ十分に注目していない。本論文では、点群からの高精度3Dオブジェクト検出を実現するための投票ベースの3D検出フレームワーク、RBGNetを提案する。3Dボックス予測に向けたクラスタ特徴を強化するため、オブジェクト形状のより良い表現を学習するために、クラスタ中心から均一に発射される一連の光線を用いて、オブジェクト表面に分布する点単位特徴を集約する「光線ベースの特徴グループ化モジュール」を提案する。また、前景点がボックス推定においてより意味を持つという事実を踏まえ、ダウンサンプリングプロセスにおいて前景に偏ったサンプリング戦略を新たに設計し、オブジェクト表面により多くの点をサンプリングすることで、検出性能をさらに向上させた。本モデルはScanNet V2およびSUN RGB-Dデータセットにおいて、顕著な性能向上を達成し、最先端の3D検出性能を実現した。コードはhttps://github.com/Haiyang-W/RBGNetにて公開予定である。