LXLv2：基于 4D Radar 和 Camera 融合的增强 LiDAR 排除型 3D 对象检测
计算机视觉与模式识别
2025-02-21 v1
摘要
作为前一种基于 4D Radar-Camera 深度融合的 3D 对象检测方法，LXL 利用预测的图像深度分布图和雷达 3D 占据网格辅助基于抽样的图像视图变换。然而，深度预测缺乏准确性和一致性，LXL 中的拼接式融合还会阻碍模型鲁棒性。在本工作中，我们提出 LXLv2，通过修改以克服这些限制并提升性能。具体而言，考虑到雷达测量中的位置误差，我们设计了通过雷达点实现的一种对深度监督策略，其中进一步利用雷达横截面（RCS）值来调整对象级别深度一致性的监督区域。此外，引入基于通道和空间注意力的融合模块，名为 CSAFusion，以提高特征适应性。在 View-of-Delft 和 TJ4DRadSet 数据集上的实验结果表明，提出的 LXLv2 在检测精度、推理速度和鲁棒性方面均优于 LXL，展示了该模型有效性。
引用
@article{arxiv.2502.14503,
title = {LXLv2: Enhanced LiDAR Excluded Lean 3D Object Detection with Fusion of 4D Radar and Camera},
author = {Weiyi Xiong and Zean Zou and Qiuchi Zhao and Fengchun He and Bing Zhu},
journal= {arXiv preprint arXiv:2502.14503},
year = {2025}
}
备注
Accepted by IEEE Robotics and Automation Letters