DinoRADE：基于视觉基础模型特征的全谱雷达-摄像头融合多类目标检测方法
计算机视觉与模式识别
2026-04-10 v1
摘要
可靠且抗天气感知系统对于安全的自动驾驶至关重要，通常采用多模态传感器配置以实现全面的环境感知。虽然最近的汽车FMCW雷达方法在恶劣天气条件下实现了显著的检测性能，但在解析细粒度空间细节方面存在局限，尤其是对于检测较小且易受危险道路用户(VRUs)至关重要。此外，现有研究未充分解决恶劣天气数据集(如K-Radar)上的VRUs检测问题。我们提出DinoRADE，一种雷达中心检测管道，处理密集雷达张量，通过变形交叉注意力聚合摄像头视觉特征。视觉特征由DINOv3视觉基础模型提供。在所有天气条件下对K-Radar数据集进行全面评估，我们是首次报告针对五个目标类别的检测性能。此外，我们与现有单类检测方法进行比较，以显著优于最新的雷达-摄像头方法提升12.1%。代码已在https://github.com/chr-is-tof/RADE-Net上提供。
引用
@article{arxiv.2604.08074,
title = {DinoRADE: Full Spectral Radar-Camera Fusion with Vision Foundation Model Features for Multi-class Object Detection in Adverse Weather},
author = {Christof Leitgeb and Thomas Puchleitner and Max Peter Ronecker and Daniel Watzenig},
journal= {arXiv preprint arXiv:2604.08074},
year = {2026}
}
备注
Accepted to IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026