受控噪声下多源鸟瞰图检测不确定性感知后融合算法的评估
机器人学
2025-07-08 v1 信号处理
摘要
可靠的多源融合对于自动驾驶系统的鲁棒感知至关重要。然而，独立于检测错误地评估融合性能仍然具有挑战性。本工作引入了一套系统化的评估框架，通过向真实边界框注入受控噪声来隔离融合过程。我们随后提出了统一卡尔曼融合算法（UniKF），一种基于卡尔曼滤波的后置融合算法，用于合并鸟瞰图（BEV）检测，并处理同步问题。实验表明，UniKF 在各种噪声水平下均优于基线方法，在目标定位和姿态误差上降低最高可达 3 倍，在尺寸估计误差上降低约 2 倍，同时保持近乎完美的精确率和召回率，在 99.5% 到 100% 之间。
引用
@article{arxiv.2507.03381,
title = {Evaluation of an Uncertainty-Aware Late Fusion Algorithm for Multi-Source Bird's Eye View Detections Under Controlled Noise},
author = {Maryem Fadili and Louis Lecrosnier and Steve Pechberti and Redouane Khemmar},
journal= {arXiv preprint arXiv:2507.03381},
year = {2025}
}