NVRadarNet：面向自动驾驶的实时雷达障碍物与自由空间检测
计算机视觉与模式识别
2023-03-02 v2 机器学习
机器人学
摘要
检测障碍物对于安全高效的自动驾驶至关重要。为此，我们提出 NVRadarNet，一种利用车载 RADAR 传感器检测动态障碍物和可行驶自由空间的深度神经网络（DNN）。该网络利用来自多个 RADAR 传感器的时序累积数据，在俯视鸟瞰图（BEV）中检测动态障碍物并计算其朝向。该网络还回归可行驶自由空间以检测未分类障碍物。我们的 DNN 是首个利用稀疏 RADAR 信号仅从 RADAR 数据实时执行障碍物与自由空间检测的同类型网络。该网络已成功用于我们自动驾驶车辆在实际自驾场景中的感知。该网络在嵌入式 GPU 上运行快于实时，并展现出跨地理区域的良好泛化能力。
引用
@article{arxiv.2209.14499,
title = {NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for Autonomous Driving},
author = {Alexander Popov and Patrik Gebhardt and Ke Chen and Ryan Oldja and Heeseok Lee and Shane Murray and Ruchi Bhargava and Nikolai Smolyanskiy},
journal= {arXiv preprint arXiv:2209.14499},
year = {2023}
}
备注
7 pages, 6 figures, ICRA 2023 conference, for associated video file, see https://youtu.be/WlwJJMltoJY