RADDet：基于距离-方位-多普勒的雷达动态道路使用者目标检测
计算机视觉与模式识别
2021-05-04 v1 信号处理
摘要
与基于相机的方法相比，使用车载雷达进行目标检测尚未借助深度学习模型得到充分探索。这可归因于公开雷达数据集的缺乏。本文中，我们采集了一个新颖的雷达数据集，其包含以距离-方位-多普勒张量形式表示的雷达数据，以及张量上针对动态道路使用者的边界框、类别标签和笛卡尔鸟瞰距离图上的 2D 边界框。为构建该数据集，我们提出了一种基于实例的自动标注方法。此外，提出了一种新颖的基于距离-方位-多普勒的多类别目标检测深度学习模型。该算法是一种单阶段基于锚点的检测器，分别在距离-方位-多普勒与笛卡尔域上生成 3D 边界框与 2D 边界框。我们提出的算法在 3D 边界框预测上以 IOU 0.3 取得 56.3% 的 AP，在 2D 边界框预测上以 IOU 0.5 取得 51.6% 的 AP。我们的数据集与代码可在 https://github.com/ZhangAoCanada/RADDet.git 获取。
引用
@article{arxiv.2105.00363,
title = {RADDet: Range-Azimuth-Doppler based Radar Object Detection for Dynamic Road Users},
author = {Ao Zhang and Farzan Erlik Nowruzi and Robert Laganiere},
journal= {arXiv preprint arXiv:2105.00363},
year = {2021}
}
备注
Accepted by 18th Conference on Robots and Vision (CRV), CRV 2021