使用雷达和视觉进行远程车辆检测
自主驾驶中基于雷达与视觉融合的深度学习方法对于三维目标检测起到重要作用,本文综述了雷达 - 视觉融合的综合研究,特别关注了区域兴趣融合和端到端融合策略,并介绍了最新的四维雷达技术及其在自动驾驶中的应用。
Jun, 2024
本文研究了自动驾驶系统中车辆安全性的提高、深度学习基础的障碍物检测和分割、雷达传感器和摄像头传感器的融合,以及在车辆感知中的数据集、度量、挑战和开放性问题,这些元素对于提高自动驾驶系统的普及率具有重要意义。
Mar, 2023
自动驾驶技术在公共道路和工业场景中越来越普遍,但传统摄像头或激光雷达在恶劣环境下的表现受到影响。我们提出了一种基于 4D 雷达的 CNN 架构 TMVA4D,用于语义分割,并且说明了构建数据集的过程。在工业环境的数据集上,我们使用 TMVA4D 获得了 78.2% 的平均交并比分数和 86.1% 的平均 Dice 分数。
Apr, 2024
该研究综述雷达在自主驾驶车辆中的应用及挑战,提出了针对雷达数据的深度学习研究的关键主题,包括早期和晚期融合,占用流估计,不确定性建模和多径检测等,以及相关的雷达数据集、目前最先进的激光雷达和视觉模型等。
Jun, 2023
本篇论文提出了一种基于变形金刚网络的 3D 物体检测模型 REDFormer,该模型通过使用鸟瞰相机和雷达融合,解决低能见度条件下自动驾驶系统的感知问题,并且在多雷达点云数据、多种天气和时间数据的 nuScenes 数据集上进行验证,相比其他最先进模型,该模型在低能见度情况下表现出更高的检测精度。
May, 2023
本文研究了利用汽车雷达传感器进行自动驾驶中的目标识别问题,在考虑到雷达传感器在所有天气条件下的高成本效益和鲁棒性的基础上,探索利用自我中心鸟瞰雷达图像帧的时间信息进行雷达目标识别。通过提出一个时空关系层,显式地对随后雷达图像内的物体之间的关系进行建模,展示了在目标检测和多目标跟踪方面,与几种基线方法相比,我们方法的优越性。
Apr, 2022
本论文评述了无人驾驶中基于深度学习的感知技术的发展,介绍了传感器融合技术在提升高精度和鲁棒性感知能力中的关键地位,重点介绍了雷达和相机传感器融合在物体检测和语义分割问题中,探索了该领域中的各种挑战和潜在的研究方向以及数据集和融合方法的互动网站。
Apr, 2023
本文提出了一种利用 Radar 和 LiDAR 传感器进行感知的方案,包括基于体素的早期融合和基于注意力的后期融合,可在目标检测和速度估计任务中实现最先进的结果,并进一步显示利用 Radar 可以提高远程目标探测和动态目标运动理解的感知能力。
Jul, 2020
该论文提出一种新的雷达引导空间注意力融合方法,以提高自动驾驶车辆在动态环境下的感知质量,用于检测远距离和小型物体,并在 nuScenes 数据集上进行验证,结果表明该方法在提高基线 yolov3 检测器的召回率方面有了较大的改进。
Jun, 2022