Achelous：基于单目相机与 4D 毫米波雷达融合的快速水面全景感知统一框架

当前不同任务的感知模型在无人水面艇（USV）上通常以模块化形式存在，在边缘设备上并行推理极慢，导致感知结果与 USV 位置之间的异步，并引发自主导航的错误决策。相较于无人地面车辆（UGV），USV 的鲁棒感知发展相对缓慢。此外，当前多数多任务感知模型参数量巨大、推理慢且不可扩展。为此，我们提出 Achelous，一种基于单目相机与 4D 毫米波雷达融合的低成本、快速水面感知统一全景感知框架。Achelous 可同时执行五项任务：视觉目标检测与分割、可行驶区域分割、水线分割以及雷达点云分割。此外，Achelous 系列模型参数量少于约 500 万，在 NVIDIA Jetson AGX Xavier 上达到约 18 FPS，比 HybridNets 快 11 FPS，并在我们收集的数据集上以约 5 mAP$_{\text{50-95}}$ 和 0.7 mIoU 优于 YOLOX-Tiny 和 Segformer-B0，尤其在恶劣天气、暗光环境和相机失效情形下。据我们所知，Achelous 是首个结合视觉级与点云级任务的水面感知综合全景感知框架。为促进智能交通社区发展，我们在 \url{https://github.com/GuanRunwei/Achelous} 发布代码。