BEVHeight：視覚ベースの道路沿い3D物体検出のための堅牢なフレームワーク

近年の自動運転システムの多くは、自車両搭載センサを用いた認識手法の開発に注力しているが、視界外まで認識能力を拡張するための代替戦略として、知能化された路側カメラを活用するアプローチは、しばしば軽視されている。本研究では、最先端の視覚中心型鳥瞰図（bird’s eye view, BEV）検出手法が路側カメラにおいて優れた性能を発揮しないことを発見した。その原因は、これらの手法が主にカメラ中心からの深度推定に注力しており、車両と路面の深度差が距離の増加に伴い急速に小さくなるためである。本論文では、この問題に対処するため、シンプルかつ効果的な手法「BEVHeight」を提案する。本手法の本質は、ピクセル単位の深度を予測するのではなく、地面からの高さを回帰することで、距離に依存しない定式化を実現し、単一カメラによる認識手法の最適化プロセスを容易にする点にある。路側カメラを用いた一般的な3D検出ベンチマークにおいて、本手法は従来のすべての視覚中心型手法を大きく上回る性能を達成した。コードは以下のURLで公開されている：{\url{https://github.com/ADLab-AutoDrive/BEVHeight}}。