LRC-WeatherNet：用于自动驾驶中实时天气类型分类的激光雷达、雷达和摄像机融合网络
计算机视觉与模式识别
2026-03-24 v1 人工智能
摘要
自动驾驶车辆面临在雨雾雪等恶劣天气条件下的感知与导航挑战,这些条件会降低激光雷达、雷达和 RGB 摄像机传感器的性能。虽然每种传感器类型都提供了独特的优势,例如雷达在视线受阻时的鲁棒性和激光雷达在良好可视条件下的精确度,但它们也会在暴露于环境遮挡时受到各自的局限。本研究提出 LRC-WeatherNet, 一个新型多传感器融合框架,用于实时对天气条件进行分类。通过采用统一的鸟瞰视图(BeV)表示的早期融合和模态特定特征图的中期门控融合,我们的 метод能够适应不同天气条件下各传感器可靠性的变化。在覆盖九种天气类型的广泛 MSU-4S 数据集上进行评估, LRC-WeatherNet 在恶劣条件下的分类性能和计算效率显著优于单模态基线。本工作是首次将所有三种模态组合,实现对自动驾驶中实时天气分类的稳健性。我们在 https://github.com/nouralhudaalbashir/LRC-WeatherNet 上发布了训练好的模型和源代码。
引用
@article{arxiv.2603.21987,
title = {LRC-WeatherNet: LiDAR, RADAR, and Camera Fusion Network for Real-time Weather-type Classification in Autonomous Driving},
author = {Nour Alhuda Albashir and Lars Pernickel and Danial Hamoud and Idriss Gouigah and Eren Erdal Aksoy},
journal= {arXiv preprint arXiv:2603.21987},
year = {2026}
}
备注
Accepted for publication at IEEE Intelligent Vehicles Symposium - IVS 2026