MUFASA：具有空间感知的多视角融合与自适应网络用于雷达目标检测
计算机视觉与模式识别
2024-08-02 v1
摘要
近年来，基于雷达目标检测的方法在自动驾驶系统中取得了显著进展，因其在恶劣天气条件下相比 LiDAR 具有更强的鲁棒性。然而，雷达点云的稀疏性对实现精确目标检测构成了挑战，凸显了有效且全面的特征提取技术的重要性。为应对这一挑战，本文提出了一种针对雷达点云的全面特征提取方法。本研究首先通过即插即用模块 GeoSPA 增强了检测网络的能力。它利用 Lalonde 特征来探索局部几何模式。此外，设计了分布式多视角注意力机制 DEMVA，以将整个数据集的共享信息与每个单独帧的全局信息相融合。通过采用这两个模块，我们提出了我们的方法 MUFASA，通过改进的特征提取增强了目标检测性能。该方法在 VoD 和 TJ4DRaDSet 数据集上进行了评估以验证其有效性。特别地，我们在 VoD 数据集上取得了雷达基线方法中最先进的结果，mAP 达到 50.24%。
引用
@article{arxiv.2408.00565,
title = {MUFASA: Multi-View Fusion and Adaptation Network with Spatial Awareness for Radar Object Detection},
author = {Xiangyuan Peng and Miao Tang and Huawei Sun and Kay Bierzynski and Lorenzo Servadei and Robert Wille},
journal= {arXiv preprint arXiv:2408.00565},
year = {2024}
}
备注
Accepted by ICANN 2024