自動運転の分野では，LiDAR点群のセグメンテーションの注目度が高く，様々な手法が提案されている．その中でも，LiDAR点群を球面投射により距離画像に変換して，2次元の畳み込みニューラルネットワークを用いてセグメンテーションを行うものが主流になっている．また，遠くの物体も，近くの物体と同様に精度よく認識する必要があるため，距離画像におけるスケール同変性が重要である．しかし，畳み込みの同変性に着目した手法は見られない．本論文では，物体の距離とLiDAR距離画像中のスケール比が反比例することに着目し， 距離の情報を有効に活用した距離同変畳み込み(REconv)を提案する．REconvでは，畳み込みカーネルを偏微分オペレータの線形結合に置き換え，距離と微分の階数に応じて異なる重みをかけることで距離同変性を得た．球面投射を用いた手法であるRangeNet++の構造を基に，エンコーダ部分の畳み込みの一部をREconvに置き換え，その効果をSemanttic-KITTI datasetを用いた実験で検証した．その結果，検証セットにおけるmIoUが0.5%向上し，REconvの有効性が示された．
