自动驾驶雷达：深度学习方法与挑战综述
计算机视觉与模式识别
2023-09-29 v3
摘要
雷达是用于自动驾驶车辆安全可靠导航的感知传感器套件中的关键组件。其独特能力包括高分辨率速度成像、对遮挡物及远距离智能体的检测，以及在恶劣天气条件下的鲁棒性能。然而，雷达数据的使用存在一些挑战：其特征是低分辨率、稀疏性、杂波、高不确定性和缺乏优质数据集。这些挑战限制了雷达深度学习研究。因此，当前的雷达模型常受激光雷达与视觉模型影响，而后者聚焦于在雷达数据中相对较弱的光学特征，导致雷达能力未充分利用，削弱了其对自动驾驶感知的贡献。本综述旨在通过1）识别关键研究主题，以及2）全面概述该领域当前机遇与挑战，鼓励对自动驾驶雷达数据开展进一步的深度学习研究。涵盖的主题包括早期与晚期融合、占据流估计、不确定性建模和多径检测。本文还讨论了雷达基础与数据表示，给出了近期雷达数据集的精选列表，并综述了与雷达研究相关的先进激光雷达与视觉模型。有关本文摘要及更多结果，请访问网站：autonomous-radars.github.io。
引用
@article{arxiv.2306.09304,
title = {Radars for Autonomous Driving: A Review of Deep Learning Methods and Challenges},
author = {Arvind Srivastav and Soumyajit Mandal},
journal= {arXiv preprint arXiv:2306.09304},
year = {2023}
}