在高分辨率 3+1D 雷达背景下审视三维目标检测器
机器人学
2023-08-11 v1 人工智能
计算机视觉与模式识别
摘要
高分辨率成像 4D（3+1D）雷达传感器的最新发展与初步市场化应用，已启动了基于深度学习的雷达感知研究。我们研究了作用于雷达点云上、用于三维目标检测的深度学习模型。基于激光雷达点云数据的三维目标检测是三维视觉中一个成熟的领域。人们已提出多种不同架构，各有优劣。由于三维激光雷达点云与 3+1D 雷达点云之间存在相似性，这些已有的三维目标检测器自然成为在雷达数据上开展基于深度学习的三维目标检测的起点。因此，第一步是分析现有模型在新数据模态上的检测表现并深入评估。为将已有的为激光雷达点云开发的三维点云目标检测器应用于雷达领域，需先对其加以适配。尽管部分检测器（如 PointPillars）已被适配以用于雷达数据，我们对其余一些（如 Voxel R-CNN、SECOND、PointRCNN 和 PV-RCNN）进行了适配。为此，我们开展了跨模型验证（在一特定数据集上评估一组模型）以及跨数据集验证（在多个数据集上评估模型集中的全部模型）。所使用的高分辨率雷达数据为 View-of-Delft 与 Astyx 数据集。最后，我们评估了这些模型及其训练流程的若干适配方案。我们还讨论了影响雷达数据检测表现的主要因素，并提出了可能的解决方案，指出潜在的未来研究方向。
引用
@article{arxiv.2308.05478,
title = {Reviewing 3D Object Detectors in the Context of High-Resolution 3+1D Radar},
author = {Patrick Palmer and Martin Krueger and Richard Altendorfer and Ganesh Adam and Torsten Bertram},
journal= {arXiv preprint arXiv:2308.05478},
year = {2023}
}
备注
Published at CVPR 2023 Workshop on 3D Vision and Robotics (https://drive.google.com/file/d/1xj4R5ucH3PaR7QdRDJbbkjS-3iBUsruR/view)