利用基于LiDAR的目标检测网络实现高效4D雷达数据自动标注方法
信号处理
2024-07-09 v1 人工智能
计算机视觉与模式识别
摘要
聚焦于4D（四维）雷达的优势，在恶劣天气条件下鲁棒的3D目标检测网络的研究已引起关注。为了训练此类网络，需要包含大量4D雷达数据和真实标签的数据集。然而，现有的4D雷达数据集（例如K-Radar）缺乏足够的传感器数据和标签，这阻碍了该研究领域的进展。此外，扩大4D雷达数据集需要耗时且昂贵的人工标注过程。为了解决这些问题，我们提出了针对K-Radar数据集中4D雷达张量（4DRT）的自动标注方法。所提出的方法首先使用校准后的LiDAR点云（LPC）训练一个基于LiDAR的目标检测网络（LODN）。然后，训练好的LODN无需人工干预即可自动生成K-Radar训练数据集的真实标签（即自动标签，ALs）。生成的ALs用于训练基于4D雷达的目标检测网络（4DRODN），即带高度的雷达张量网络（RTNH）。实验结果表明，使用ALs训练的RTNH取得了与使用人工标注真实标签训练的原始RTNH相似的检测性能，从而验证了所提出的自动标注方法的有效性。所有相关代码将很快在以下GitHub项目中提供：https://github.com/kaist-avelab/K-Radar
引用
@article{arxiv.2407.04709,
title = {Efficient 4D Radar Data Auto-labeling Method using LiDAR-based Object Detection Network},
author = {Min-Hyeok Sun and Dong-Hee Paek and Seung-Hyun Song and Seung-Hyun Kong},
journal= {arXiv preprint arXiv:2407.04709},
year = {2024}
}
备注
Accept at IEEE IVS 2024