ADCNet：通过蒸馏从原始雷达数据中学习

随着自动驾驶车辆和高级驾驶辅助系统的广泛部署，利用雷达构建鲁棒感知系统的兴趣日益增长。基于雷达的系统比基于LiDAR的系统成本更低，且对恶劣天气条件更具鲁棒性；然而，其生成的点云通常相对嘈杂且稀疏。为应对这些挑战，近期研究聚焦于直接处理原始雷达数据，而非最终的雷达点云。我们延续这一研究方向，并通过将信号处理流程中的部分环节引入网络，然后在信号处理任务上进行预训练，证明了我们能够在RADIal数据集上实现最先进的检测性能。我们的方法使用昂贵的离线信号处理算法为数据生成伪标签，并训练一个网络将此类信息蒸馏到一个快速卷积骨干网络中，该网络随后可针对感知任务进行微调。大量实验结果证实了所提技术的有效性。