REFNet++：鸟瞰极坐标视角下相机与雷达传感器数据的多任务高效融合
计算机视觉与模式识别
2026-05-13 v1 人工智能
摘要
相机传感器通常能提供车辆周围环境的真实视图，这对环境感知至关重要。另一方面，价格低廉的雷达传感器因其在多变天气条件下的鲁棒性而变得不可或缺。然而，由于其输出噪声大且分类能力有限，它们在与其它传感器数据结合时效果最佳。具体而言，我们通过在一个统一域中对齐雷达和相机数据来应对多模态传感器融合的挑战，不仅优先考虑准确性，也注重计算效率。我们的工作利用雷达的原始距离-多普勒（RD）频谱和前置相机图像作为输入。为实现有效融合，我们采用了一种变分编码器-解码器架构，学习将前置相机数据转换到鸟瞰图（BEV）极坐标域。同时，一个雷达编码器-解码器学习从RD数据中恢复角度信息，从而产生距离-方位角（RA）特征。这种对齐确保了两种模态在一个兼容的域中表示，有助于实现鲁棒且高效的传感器融合。我们使用RADIal数据集，针对车辆检测和自由空间分割任务，将我们的融合策略与最先进的方法进行了评估比较。
引用
@article{arxiv.2605.11824,
title = {REFNet++: Multi-Task Efficient Fusion of Camera and Radar Sensor Data in Bird's-Eye Polar View},
author = {Kavin Chandrasekaran and Sorin Grigorescu and Gijs Dubbelman and Pavol Jancura},
journal= {arXiv preprint arXiv:2605.11824},
year = {2026}
}
备注
IEEE Intelligent Transportation Systems Conference (ITSC) 2025