基于CNN利用三维雷达立方体进行道路使用者检测
计算机视觉与模式识别
2020-07-17 v2
摘要
本文提出了一种新颖的基于雷达、单帧、多类别的移动道路使用者（行人、骑行者、汽车）检测方法，其利用低层级雷达立方体数据。该方法在雷达目标层面和对象层面均提供类别信息。在利用目标位置周围裁剪出的三维雷达立方体块扩展目标特征后，对雷达目标逐一分类，从而捕捉局部速度分布中运动部件的运动。为此分类步骤提出了一种卷积神经网络（CNN）。随后，通过聚类步骤生成对象提议，该步骤不仅考虑雷达目标的位置和速度，还考虑其计算出的类别分数。在真实数据集上的实验中，我们证明所提方法在目标和对象层面均优于现有最优方法，目标层面F1分数平均达到0.70（基线：0.68），对象层面达到0.56（基线：0.48）。此外，我们在消融研究中考察了所用特征的重要性。
引用
@article{arxiv.2004.12165,
title = {CNN based Road User Detection using the 3D Radar Cube},
author = {Andras Palffy and Jiaao Dong and Julian F. P. Kooij and Dariu M. Gavrila},
journal= {arXiv preprint arXiv:2004.12165},
year = {2020}
}