基于 4D 雷达的 3D 目标检测在 Hailo-8L 上的高效片上实现
计算机视觉与模式识别
2025-05-05 v1 人工智能
摘要
4D 雷达因其即使在恶劣天气条件下也能实现稳健的 3D 目标检测能力，在自动驾驶领域引起了关注。为了实际部署此类技术，必须在低功耗嵌入式环境中实现实时处理。针对这一问题，我们首次在 Hailo-8L AI 加速器上实现了基于 4D 雷达的 3D 目标检测模型的片上部署。尽管传统的 3D 卷积神经网络（CNN）架构需要 5D 输入，但 Hailo-8L 仅支持 4D 张量，这构成了一个重大挑战。为克服此限制，我们引入了一种张量变换方法，在编译过程中将 5D 输入重塑为 4D 格式，从而在不改变模型结构的情况下实现直接部署。所提出的系统达到了 46.47% 的 AP_3D 和 52.75% 的 AP_BEV，在保持与基于 GPU 模型相当的精度的同时，实现了 13.76 Hz 的推理速度。这些结果证明了基于 4D 雷达的感知技术在自动驾驶系统中的应用潜力。
引用
@article{arxiv.2505.00757,
title = {Efficient On-Chip Implementation of 4D Radar-Based 3D Object Detection on Hailo-8L},
author = {Woong-Chan Byun and Dong-Hee Paek and Seung-Hyun Song and Seung-Hyun Kong},
journal= {arXiv preprint arXiv:2505.00757},
year = {2025}
}
备注
4pages, 2 figures