超越点的回波：在多模态融合中释放雷达原始数据的力量
计算机视觉与模式识别
2023-11-14 v2
摘要
雷达因其低成本与对恶劣天气的良好适应性而在自动驾驶系统中无处不在。然而，由于其方位与仰角分辨率较差，雷达点云稀疏且不精确，其检测性能通常较差。此外，点云生成算法为减少虚假目标已丢弃弱信号，这对深度融合而言可能并非最优。本文提出一种名为 EchoFusion 的新方法，跳过现有雷达信号处理流程，将雷达原始数据与其他传感器结合。具体而言，我们首先生成鸟瞰图（BEV）查询，随后从雷达提取相应频谱特征与其他传感器融合。通过该方法，我们的方法可利用雷达回波中丰富且无损的距离与速度线索，以及图像中丰富的语义线索，使我们的方法在 RADIal 数据集上超越所有现有方法，并接近 LiDAR 的性能。代码将于 https://github.com/tusen-ai/EchoFusion 发布。
引用
@article{arxiv.2307.16532,
title = {Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion},
author = {Yang Liu and Feng Wang and Naiyan Wang and Zhaoxiang Zhang},
journal= {arXiv preprint arXiv:2307.16532},
year = {2023}
}
备注
Accepted by NeurIPS 2023