基于深度学习的雷达与视觉融合用于自动驾驶三维目标检测综述
计算机视觉与模式识别
2024-06-04 v1
摘要
随着自动驾驶技术的快速发展，对车辆运行过程中自动环境感知的安全性和效率提出了更高要求。在现代车辆配置中，摄像头和毫米波雷达（雷达）作为应用最广泛的传感器，展现出互补特性，天然有利于融合，并能同时实现鲁棒性能和成本效益。本文重点综述了基于深度学习方法的雷达-视觉（RV）融合在自动驾驶三维目标检测中的应用。我们全面概述了各类RV融合方法，特别是采用感兴趣区域（ROI）融合和端到端融合策略的方法。作为当前最有前景的融合策略，我们对端到端融合方法进行了更深入的分类，包括基于三维边界框预测和基于BEV的方法。此外，结合最新进展，我们描述了4D雷达及其在自动驾驶车辆（AVs）中的前沿应用。最后，我们展望了RV融合可能的未来趋势并总结了本文。
引用
@article{arxiv.2406.00714,
title = {A Survey of Deep Learning Based Radar and Vision Fusion for 3D Object Detection in Autonomous Driving},
author = {Di Wu and Feng Yang and Benlian Xu and Pan Liao and Bo Liu},
journal= {arXiv preprint arXiv:2406.00714},
year = {2024}
}