恶劣天气条件下目标检测的最优传感器数据融合架构
计算机视觉与模式识别
2024-10-30 v1
摘要
在多样天气条件下良好且鲁棒的传感器数据融合是一项颇具挑战的任务。文献中存在若干融合架构,例如传感器数据可在最开始就融合(早期融合),或可先分别处理之后再拼接(晚期融合)。本文中,通过比较不同融合架构在目标检测任务上的表现进行评估,该任务旨在数据流中识别并定位预定义对象。通常,基于神经网络的先进目标检测器针对良好天气条件高度优化,因为知名基准仅由最优天气条件下记录的传感器数据组成。因此,这些方法在恶劣条件下性能急剧下降甚至失效。本文比较了良好与恶劣天气条件下不同传感器融合架构,以寻找适应多样天气情形最优的融合架构。还引入了一种新的训练策略,使目标检测器在恶劣天气场景或某传感器失效时性能大幅提升。此外,本文回应了若向神经网络提供如传感器空间标定等先验知识能否进一步提升检测精度的问题。
引用
@article{arxiv.1807.02323,
title = {Optimal Sensor Data Fusion Architecture for Object Detection in Adverse Weather Conditions},
author = {Andreas Pfeuffer and Klaus Dietmayer},
journal= {arXiv preprint arXiv:1807.02323},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication