基于 PointNets 的雷达数据二维车辆检测
计算机视觉与模式识别
2019-12-03 v3 机器学习
机器学习
摘要
对于许多自动驾驶功能而言，对车辆环境的高精度感知是至关重要的前提。现代高分辨率雷达传感器为每个物体生成多个雷达目标，这使得这些传感器特别适用于二维目标检测任务。本文提出一种仅依赖稀疏雷达数据并使用 PointNets 检测二维物体的方法。在文献中，目前仅提出了要么执行物体分类、要么执行物体边界框估计的方法。相比之下，本方法利用单个雷达传感器实现了物体的分类与边界框估计相结合。为此，PointNets 针对雷达数据进行了调整，执行带分割的二维物体分类以及二维边界框回归，以估计一个非模态（amodal）二维边界框。该算法使用一个由多种真实驾驶操纵自动创建的数据集进行评估。结果显示了使用 PointNets 在高分辨率雷达数据中进行目标检测的巨大潜力。
引用
@article{arxiv.1904.08414,
title = {2D Car Detection in Radar Data with PointNets},
author = {Andreas Danzer and Thomas Griebel and Martin Bach and Klaus Dietmayer},
journal= {arXiv preprint arXiv:1904.08414},
year = {2019}
}