CORENet：基于 LiDAR 监督的跨模态 4D Radar 去噪网络用于自动驾驶
计算机视觉与模式识别
2025-08-20 v1 人工智能
摘要
4D Radar 基于物体检测在恶劣天气条件下具有鲁棒性，能够在多样化驾驶场景中提供丰富的空间信息。然而，4D Radar 点云的稀疏性和噪声性为有效感知带来了重大挑战。为此，本文提出 CORENet，一种新型跨模态去噪框架，利用 LiDAR 监督识别噪声模式并从原始 4D Radar 数据中提取判别性特征。作为即插即用架构，解决方案可无缝集成到基于体素的检测框架中，而无需修改现有管道。值得注意的是，本方法仅在训练期间利用 LiDAR 数据进行跨模态监督，而在推理阶段保持完全的雷达-only 操作。在具有 elevated 噪声水平的具有挑战性的 Dual-Radar 数据集上的广泛评估表明，我们的方法在增强检测鲁棒性方面效果显著。全面的实验验证表明，CORENet 在性能上优于现有主流方法。
引用
@article{arxiv.2508.13485,
title = {CORENet: Cross-Modal 4D Radar Denoising Network with LiDAR Supervision for Autonomous Driving},
author = {Fuyang Liu and Jilin Mei and Fangyuan Mao and Chen Min and Yan Xing and Yu Hu},
journal= {arXiv preprint arXiv:2508.13485},
year = {2025}
}
备注
8 pages, 5 figures, Accepted to IROS 2025