RadSegNet：一种可靠的雷达相机融合方法
计算机视觉与模式识别
2022-08-09 v1 人工智能
摘要
近年来，自动驾驶感知系统的性能取得了显著进展。然而，这些系统在极端天气条件下难以表现出鲁棒性，因为作为传感器套件主要传感器的激光雷达和相机等传感器在此类条件下性能下降。为解决此问题，相机-雷达融合系统为全天气可靠的高质量感知提供了独特机遇。相机提供丰富的语义信息，而雷达可穿透遮挡并在所有天气条件下工作。本文中，我们展示了当前最先进的融合方法在相机输入退化时表现糟糕，这实质上导致丧失了它们本欲实现的全天气可靠性。与这些方法相反，我们提出了一种新方法RadSegNet，其采用独立信息提取的新设计理念，并在包括遮挡与恶劣天气的所有条件下真正实现了可靠性。我们在基准Astyx数据集上开发并验证了所提系统，并进一步在RADIATE数据集上验证了这些结果。与最先进的方法相比，RadSegNet在Astyx上平均精度得分提升27%，在RADIATE上提升41.46%，并在恶劣天气条件下保持显著更优的性能。
引用
@article{arxiv.2208.03849,
title = {RadSegNet: A Reliable Approach to Radar Camera Fusion},
author = {Kshitiz Bansal and Keshav Rungta and Dinesh Bharadia},
journal= {arXiv preprint arXiv:2208.03849},
year = {2022}
}