HiLO：基于Transformer的自动驾驶高级目标融合
机器人学
2025-06-04 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
传感器数据融合对于自动驾驶中鲁棒的环境感知至关重要。基于学习的融合方法主要使用特征级融合以实现高性能，但其复杂性和硬件要求限制了它们在准量产车辆中的适用性。高级融合方法以较低的计算要求提供了鲁棒性。传统方法，如卡尔曼滤波，主导着这一领域。本文修改了自适应卡尔曼滤波（AKF），并提出了一种基于Transformer的新型高级目标融合方法，称为HiLO。实验结果表明， 分数提高了 个百分点，平均IoU提高了 个百分点。在一个新的大规模真实世界数据集上的评估证明了所提方法的有效性。通过城市和高速公路场景之间的跨域评估，进一步验证了它们的泛化能力。代码、数据和模型可在 https://github.com/rst-tu-dortmund/HiLO 获取。
引用
@article{arxiv.2506.02554,
title = {HiLO: High-Level Object Fusion for Autonomous Driving using Transformers},
author = {Timo Osterburg and Franz Albers and Christopher Diehl and Rajesh Pushparaj and Torsten Bertram},
journal= {arXiv preprint arXiv:2506.02554},
year = {2025}
}
备注
6 pages, accepted at IEEE Intelligent Vehicles Symposium (IV) 2025