AI用語集
人工知能の完全辞典
3Dバウンディングボックス (3D Bounding Box)
座標軸に整列または向きを持つ直方体で、3次元空間内のオブジェクトの位置と空間的範囲を区切るために使用されます。中心（または角）の座標、寸法（長さ、幅、高さ）、および向き（オイラー角またはクォータニオン）によって定義されます。
センサーフュージョン (Sensor Fusion)
複数のセンサー（例：LiDAR、カメラ、レーダー）からのデータを統合して、単一のソースから提供されるものよりも堅牢で正確で完全な環境表現を生成するプロセスです。これにより、各モダリティの長所を組み合わせて、それぞれの短所を克服することができます。
ボクセルグリッド検出 (Voxel Grid Detection)
空間をボクセル（基本的な体積要素）の3次元グリッドに離散化する3D検出アプローチです。このグリッドから特徴が抽出され、3D畳み込みニューラルネットワーク（3D CNN）を介してオブジェクトの存在と位置を予測します。
マルチビュー投影 (Multi-view Projection)
3Dポイントクラウドを複数の2D平面（鳥瞰図、正面図など）に投影して、成熟した2Dオブジェクト検出アーキテクチャを使用する方法です。2D予測はその後3D空間に再投影されて、最終的なバウンディングボックスが取得されます。
3Dアンカー (3D Anchor)
特定のサイズ、向き、および位置を持つ事前定義された3Dバウンディングボックスで、アンベースの検出方法で参照として使用されます。ネットワークはこれらのアンカーからのオフセットを予測して、検出されたオブジェクトの位置と幾何学を微調整します。
アンカーフリー検出 (Anchor-free Detection)
事前定義された参照ボックスのセットに依存しない3D検出のパラダイムです。キーポイントやヒートマップからオブジェクトの属性（中心、寸法、向き）を直接予測し、プロセスを簡素化し、さまざまなサイズのオブジェクトへの一般化を改善します。
占有グリッドマップ (Occupancy Grid)
空間が規則的なセルに分割され、各セルが占有、自由、または不明である確率を持つ環境の離散表現です。これはロボット工学と、3Dセンサーデータからの経路計画で一般的に使用されます。
ポリゴンメッシュ (Polygon Mesh)
3Dでの多面体オブジェクトの形状を定義する頂点、エッジ、および面の集合です。バウンディングボックスよりも詳細で現実的な幾何学的表現のために、3Dセグメンテーションまたは再構成モデルの出力として使用されます。
ポイントネット（PointNet）
点群を直接処理するように設計された深層ニューラルネットワークアーキテクチャで、点の順列不変性の性質を尊重します。全体の点群から情報を集約するために、対称関数（max poolingなど）を使用します。
レイキャスティング検出（Ray-casting Detection）
視点（センサー）から3Dグリッドのボクセルを通して光線を投射し、交差を決定して物体の存在を推論する技術。LiDARの視野をモデル化し、検出精度を向上させるためによく使用されます。
3Dセマンティックセグメンテーション（3D Semantic Segmentation）
3D点群の各点またはボクセルにセマンティッククラスタグ（例：「車」「歩行者」「建物」）を割り当てるタスク。単なる物体のローカライゼーションを超えて、シーンの密で詳細な理解を提供します。
リアルタイム3D物体検出（Real-time 3D Object Detection）
自律運転のような動的アプリケーションに対して、十分に低いレイテンシで3Dオブジェクトを検出・ローカライズするシステムの能力。モデルの複雑さと計算効率に厳しい制約を課します。
外部キャリブレーション（Extrinsic Calibration）
基準座標系（例：車両）に対するセンサーの相対的な位置と向きを決定するプロセス。正確なキャリブレーションは、マルチモーダルデータ融合と検出結果の共通空間への正しい投影に不可欠です。
向きクォータニオン（Orientation Quaternion）
4つの数値（w、x、y、z）を使用して3次元空間での回転を表現する数学的表現。ジンバルロックの問題を避けるため、3D境界ボックスの向きを記述するためにオイラー角よりも好まれます。
特徴伝播検出（Feature Propagation Detection）
階層的アーキテクチャ（例：PointNet++）で使用される戦略で、特徴がますます粗い解像度で抽出され、次に元の点に伝播・補間されて、各点レベルでの詳細な予測が行われます。