3Dレーン検出は、車両ルーティングにおいて重要な役割を果たしており、最近では自動運転分野で急速に発展しているトピックとなっています。従来の研究では、複雑な空間変換と3Dレーンの不柔軟な表現により実用性が課題となっていました。これらの問題に対処するため、本研究では効率的かつ堅牢な単眼3Dレーン検出手法であるBEV-LaneDetを提案し、主に以下の3つの貢献を行いました。まず、異なる車両に搭載されたカメラの内・外因パラメータを統一し、カメラ間の空間関係の一貫性を保証する仮想カメラ（Virtual Camera）を導入しました。統一された視覚空間により学習プロセスが効果的に促進されます。次に、単純ながら効率的な3Dレーン表現手法であるキーポイント表現（Key-Points Representation）を提案しました。このモジュールは複雑で多様な3Dレーン構造を表現するためにより適しています。最後に、軽量かつチップ向けの空間変換モジュールである空間変換ピラミッド（Spatial Transformation Pyramid）を提示しました。このモジュールはマルチスケール前面ビュー特徴量をBEV特徴量に変換します。実験結果は、F値において最新の手法を超える性能を示しており、OpenLaneデータセットでは10.6%高い精度を達成し、Apollo 3D合成データセットでは5.9%高い精度を達成しています。さらに、185 FPSという高速処理も可能となっています。ソースコードはhttps://github.com/gigo-team/bev_lane_detにて公開予定です。