本論文の目的は、自動運転分野における単一のモノクロカメラ画像において3次元オブジェクト検出を行うことである。本手法はまず、クラス固有のオブジェクト候補群を生成することを第一の目標とし、その後、標準的なCNNパイプラインを用いて高品質なオブジェクト検出を実現する。本論文の焦点は、候補生成にあたる。特に、地面面への事前知識を用いて3次元空間にオブジェクト候補を配置する確率モデルを提案する。その後、セマンティックセグメンテーション、文脈情報、サイズおよび位置の事前知識、典型的なオブジェクト形状といった直感的なポテンシャルを用いて、各候補ボックスを画像平面に投影しスコアリングを行う。モデル内の重みはS-SVMを用いて学習される。実験の結果、本研究のオブジェクト候補生成手法は、すべてのモノクロベースラインに対して顕著に優れた性能を発揮し、公開されているモノクロ競合手法の中でも、難易度の高いKITTIベンチマークにおいて最高の検出性能を達成した。