CenterRadarNet：基于 4D FMCW 雷达的联合三维目标检测与跟踪框架
计算机视觉与模式识别
2023-11-07 v2
摘要
鲁棒感知是保障自动驾驶与辅助驾驶安全的关键组件。汽车雷达（77 至 81 GHz）提供耐天气传感，为基于视觉或 LiDAR 的自动驾驶系统提供了互补能力。原始射频（RF）雷达张量除 3D 位置信息外还蕴含丰富的时空语义。以往多数方法输入 3D（多普勒-距离-方位角）RF 雷达张量，可在鸟瞰图（BEV）中预测物体的位置、航向角与尺寸。然而，它们无法同时在 3D 空间中推断物体的尺寸、朝向与身份。为克服此局限，我们提出一种高效的联合架构 CenterRadarNet，旨在从 4D（多普勒-距离-方位角-仰角）雷达数据中进行高分辨率表示学习，以完成 3D 目标检测与重识别（re-ID）任务。作为单阶段 3D 目标检测器，CenterRadarNet 直接推断 BEV 物体分布置信度图、相应的 3D 边界框属性以及逐像素的外观嵌入。此外，我们构建了一个利用所学外观嵌入进行重识别的在线跟踪器。CenterRadarNet 在 K-Radar 3D 目标检测基准上取得最先进结果。另外，我们给出了基于雷达在 K-Radar 数据集 V2 上的首个 3D 目标跟踪结果。在多样驾驶场景中，CenterRadarNet 展现出稳定、鲁棒的性能，凸显了其广泛适用性。
引用
@article{arxiv.2311.01423,
title = {CenterRadarNet: Joint 3D Object Detection and Tracking Framework using 4D FMCW Radar},
author = {Jen-Hao Cheng and Sheng-Yao Kuan and Hugo Latapie and Gaowen Liu and Jenq-Neng Hwang},
journal= {arXiv preprint arXiv:2311.01423},
year = {2023}
}