SMURF：4Dイメージングレーダを用いた3Dオブジェクト検出のための空間的マルチ表現統合

4Dミリ波（mmWave）レーダーは、コスト効率の高さおよび悪天候下での運用可能性から、車両センシング技術として有望視されている。しかし、レーダーポイントクラウドデータにおけるスパース性およびノイズ問題が、この技術の広範な導入を阻んできた。本研究では、単一の4Dイメージングレーダーを用いた3次元物体検出のための新規アプローチである「空間的マルチ表現統合（Spatial Multi-Representation Fusion, SMURF）」を提案する。SMURFは、レーダー検出点を複数の表現形式で扱うことで、多次元ガウス混合分布のピラミッド化（pillarization）および密度特徴を、カーネル密度推定（Kernel Density Estimation, KDE）を用いて抽出する。KDEは、角分解能の限界やレーダ信号の多重経路伝播による測定不正確性を効果的に軽減する一方で、密度特徴の捉え込みによりポイントクラウドのスパース性も緩和する。View-of-Delft（VoD）およびTJ4DRadSetデータセットにおける実験評価により、SMURFの有効性と汎化能力が確認され、最近提案された単一表現型4Dイメージングレーダーベースのモデルを上回ることが示された。さらに、カメラ融合手法を用いない単独4Dイメージングレーダー構成でも、最先端の4Dイメージングレーダーとカメラ融合手法と同等の性能を達成しており、TJ4DRadSetデータセットの鳥瞰図（bird’s-eye view）における平均精度（mAP）は1.22%向上、VoDデータセット全体のアノテート領域における3D mAPは1.32%向上した。提案手法は、多数のスキャンにおいて推論時間が0.05秒未満と非常に高速であり、リアルタイム検出における課題に対しても効果的に対応している。本研究は、4D mmWaveレーダーの利点を明確に示すとともに、4Dイメージングレーダーを用いた3次元物体検出に関する今後の研究における強固なベンチマークを提供するものである。