既存の3次元点群物体検出モデルが自動運転シナリオにおいて精度とリアルタイム性の両立が困難である問題に対し、高効率な点群物体検出手法を提案する。本手法は検出精度の向上を図るとともに、リアルタイムのエッジデバイス展開の要求を満たし、自動運転およびインテリジェント交通分野における応用の発展を推進することを目的とする。柱ベースの点群検出フレームワークに基づき、多柱特徴融合モデルを設計した。本モデルは点群の分散特徴および位置符号化を導入して柱の特徴表現能力を強化し、隣接柱間のコンテキスト情報学習効果を高める多柱特徴融合モジュールを提案し、残差接続とDropout正則化を組み合わせたバックボーンネットワークで特徴抽出を最適化する。さらに、同一カテゴリの対象点群を混合する点群データ拡張戦略を改良し、複雑なシーンに対するモデルの汎化能力を向上させた。KITTIデータセットでの多数の実験により、本手法は3D mAPで68.93、BEV mAPで75.02を達成し、推論速度は55.65 FPSを維持しつつ、DAIR-V2Xデータセットでも優れた性能を示した。提案モデルは多柱特徴融合および最適化されたデータ拡張戦略により検出精度とリアルタイム性のバランスを実現し、自動運転シナリオでの応用可能性を示した。将来的には、モデル構造のさらなる最適化を図り、組み込みシステム展開に適応させることが可能である。

3D物体検出;点群;自動運転;KITTI;DAIR-V2X