3Dオブジェクト候補による高精度なオブジェクトクラス検出

本論文の目的は、自動運転を想定した文脈において高品質な3Dオブジェクト候補を生成することである。本手法はステレオ画像を活用し、3Dバウンディングボックスの形で候補を配置する。問題を、オブジェクトサイズの事前知識、地平面、および自由空間の推論、点群密度、地面からの距離といった複数の深度情報を反映した特徴を含むエネルギー関数の最小化問題として定式化する。実験の結果、挑戦的なKITTIベンチマークにおいて、従来のRGBおよびRGB-Dオブジェクト候補手法と比較して顕著な性能向上が得られた。さらに畳み込みニューラルネットワーク（CNN）によるスコアリングと組み合わせることで、KITTIの3つのオブジェクトクラスすべてにおいて、既存のすべての手法を上回る結果を達成した。