自動運転システムにおけるレーン境界検出は重要な機能であり、通常の走行シナリオでは広く研究されてきました。しかし、より高速で極端な道路形状を走行するレーシング環境での応用は、これまで十分に探求されていません。この研究では、高速レーシング環境での3Dレーン検出に特化した新しいデータセットを導入しています。このデータセットは、レクサスLC 500がサーキットで走行した際に複数のカメラと慣性測定ユニット（IMU）から収集された25万枚以上の画像と慣性測定データを含んでいます。 研究チームは様々な3Dレーン検出手法を比較し、ほぼ300Hzの処理速度を実現しながら高い予測性能を保つ改善手法を提案しました。この技術により、複数カメラのアンサンブル手法を実装することが可能になり、実際のハードウェア上で検証されています。重要な点として、慣性測定などのセンシング信号を活用して、カメラと時間軸の両方にわたって道路形状を回帰する事前統合が可能であることを示しました。 従来のBevLaneDet手法と比較すると、オドメトリーとアンサンブル予測の追加により、F1スコアは3ポイント改善され、車両付近の平均絶対誤差（MAE）は30%以上削減されました。実際の車両配置での実験結果は、F1スコア0.9以上と0.18m未満の横方向MAEという優れた性能を達成しており、高速レーシング環境での実用的な応用の可能性を示しています。