RCGDet3D：重新思考基于增强雷达特征编码的4D雷达-相机融合3D目标检测
计算机视觉与模式识别
2026-05-21 v1
摘要
4D 汽车雷达因其低成本和鲁棒性而对自动驾驶不可或缺，但其点云稀疏性挑战着3D目标检测。现有4D雷达-相机融合方法聚焦于复杂的融合策略，牺牲推理速度换取有限提升。这种权衡阻碍了实时部署，因其在稠密特征图上计算负担沉重。相反，针对稀疏雷达点的特征提取时间开销较小，但仍未得到充分探索。本工作揭示，仅通过增强雷达特征提取即可实现与精细融合模块相当甚至更好的性能，同时保持实时性能。基于此发现，我们提出 RCGDet3D，聚焦雷达特征编码并简化多模态融合。其编码器继承自RadarGaussianDet3D中高效的基于高斯溅射的点高斯编码器 (PGE)，并包含两个关键改进。首先，Ray-centric PGE 在射线对齐坐标系中预测高斯属性，再统一到鸟瞰图 (BEV) 空间，显著提高几何一致性并通过解耦坐标变换与表示学习降低学习难度。其次，语义注入 (SI) 模块整合图像视觉线索，产生更具几何精度和语义丰富性的雷达特征。在 View-of-Delft (VoD) 和 TJ4DRadSet 上的实验表明，RCGDet3D 在准确率和速度上均优于最先进方法，为实时部署设立了新基准。
引用
@article{arxiv.2605.21112,
title = {RCGDet3D: Rethinking 4D Radar-Camera Fusion-based 3D Object Detection with Enhanced Radar Feature Encoding},
author = {Weiyi Xiong and Bing Zhu},
journal= {arXiv preprint arXiv:2605.21112},
year = {2026}
}