鸟瞰图下雷达-相机融合的跨数据集实验研究

通过利用互补的传感器信息，雷达与相机融合系统有潜力为高级驾驶辅助系统与自动驾驶功能提供高度鲁棒且可靠的感知系统。近期基于相机的目标检测进展以鸟瞰图特征图提供了全新的雷达-相机融合可能。在本工作中，我们提出了一种新颖且灵活的融合网络，并在两个数据集上评估其性能：nuScenes 与 View-of-Delft。我们的实验揭示，尽管相机分支需要大规模且多样的训练数据，雷达分支更多受益于高性能雷达。利用迁移学习，我们提升了相机在较小数据集上的性能。我们的结果进一步表明，雷达-相机融合方法显著优于仅相机与仅雷达的基线。