面向车联雷达感知的CoVeRaP框架
计算机视觉与模式识别
2025-08-25 v1 人工智能
机器学习
网络与互联网体系结构
摘要
汽车FMCW雷达在雨天和强光条件下仍可靠，但其稀疏、噪声较大的点云限制了3D目标检测。因此我们发布了CoVeRaP，这是一个包含21000帧协作数据集，时间对齐了来自多个车辆的雷达、摄像头和GPS流，涵盖多样化的驾驶 maneuvers。基于该数据，我们提出了统一的协作感知框架，包含中间融合和晚期融合选项。其基线网络采用多分支PointNet风格编码器，通过自注意力机制融合空间、多普勒和强度线索，映射到统一的潜在空间，解码器输出3D边界框和每个点的深度置信度。实验表明，采用强度编码的中间融合在IoU 0.9下将平均精度提升最高可达9倍，并且持续优于单车基线。CoVeRaP因此建立了多车FMCW雷达感知的第一个可重复基准，证明了廉价雷达共享显著提高了检测鲁棒性。数据集和代码已公开，以鼓励进一步研究。
引用
@article{arxiv.2508.16030,
title = {CoVeRaP: Cooperative Vehicular Perception through mmWave FMCW Radars},
author = {Jinyue Song and Hansol Ku and Jayneel Vora and Nelson Lee and Ahmad Kamari and Prasant Mohapatra and Parth Pathak},
journal= {arXiv preprint arXiv:2508.16030},
year = {2025}
}
备注
Accepted at ICCCN 2025 (IEEE International Conference on Computer Communications and Networks), Tokyo, Japan, August 2025