AttentiveGRU：基于雷达的高级鸟瞰图对象检测的循环时空建模
计算机视觉与模式识别
2025-11-20 v1
摘要
鸟瞰图(BEV)对象检测已成为先进汽车 3D 雷达感知系统中重要的技术。然而，雷达数据固有的稀疏性和非确定性质限制了传统单帧 BEV 范式的有效性。本文提出了 AttentiveGRU，一种专为雷达约束设计的注意力循环方法，提取个体化时空背景，通过动态识别和融合当前与记忆状态之间的时相关结构。凭借对对象潜在表示随时间的一致性，本方法利用时序关系丰富 stationary 和 moving 对象特征表示，从而提升检测性能，无需外部提供或估计任何 ego 车辆运动信息。在公开 nuScenes 数据集上的实验结果显示，针对 car 类别的 mAP 提升了 21%。进一步在额外数据集上的评估表明该方法在对象检测能力上实现显著提升，凸显了该方法的适用性和有效性。
引用
@article{arxiv.2504.00559,
title = {AttentiveGRU: Recurrent Spatio-Temporal Modeling for Advanced Radar-Based BEV Object Detection},
author = {Loveneet Saini and Mirko Meuter and Hasan Tercan and Tobias Meisen},
journal= {arXiv preprint arXiv:2504.00559},
year = {2025}
}