LiDARレス自律走行に向けた3D Semantic Occupancy Predictionにおける特徴量ベース知識蒸留手法の検討

田中　成樹・池西　俊仁（三菱電機）

3D Semantic Occupancy Predictionは高精細な三次元空間理解を実現し，自律走行での活用が期待されている．本研究では，点群の有効性と画像の低コスト性に着目し，LiDARレス自律走行システムに向けて，訓練時のみ点群を利用するクロスモーダル特徴量ベース知識蒸留手法を検討した．

LiDAR点群におけるGNNを用いた物体間の関係性の学習による連接車両の検出

篭橋　陸・針屋　慶吾・米陀　佳祐・福田　有輝也・菅沼　直樹（金沢大学）

LiDAR点群における連接車両の検出は，形状の複雑さや自己遮蔽による情報の欠落に伴う検出精度低下が課題である．本研究では，Graph Neural Network（GNN) を用いて物体間の関係性を学習する物体検出モデルを提案し，個々の形状情報に加え車両間の配置や文脈情報を統合的に考慮することで，連接車両の検出精度向上を目的とする．

4Dイメージングレーダ点群の汎用的な特徴抽出のための自己教師あり事前学習

髙井　拓・米陀　佳祐（金沢大学）・針屋　慶吾（金沢大宇）・篠田　巴玖・福田　有輝也・菅沼　直樹（金沢大学）

4Dイメージングレーダは耐環境性や遠距離認識に優れる一方，点群がノイズを多く含み疎であるため，物体検出や自己位置推定などへのタスクへの応用には課題が残る．本研究では点群のみから汎用的な特徴を抽出するため，穴埋め問題を用いた自己教師あり事前学習モデルを構築し，物体検出で有効性を評価する．