RODNet:基于跨模态监督的雷达目标检测
计算机视觉与模式识别
2021-02-11 v2 信号处理
摘要
在恶劣驾驶场景(如弱/强光照与恶劣天气)中,雷达通常比相机更具鲁棒性。然而,与相机捕获的 RGB 图像不同,雷达信号中的语义信息极难提取。本文提出一种深度雷达目标检测网络(RODNet),以距离-方位频率热图(RAMaps)格式从精心处理的雷达频率数据中纯雷达地有效检测目标。我们引入三种不同的基于 3D 自编码器架构,从输入 RAMaps 的每个片段预测目标置信度分布。最终检测结果由我们称为基于位置的非极大值抑制(L-NMS)的后处理方法计算得出。我们不使用繁重的人工标注真值,而是利用一种基于相机-雷达融合(CRF)策略的新型 3D 定位方法自动生成的标注来训练 RODNet。为训练和评估我们的方法,我们构建了一个新数据集——CRUW,包含多种驾驶场景下的同步视频与 RAMaps。大量实验表明,在相机缺失的情况下,我们的 RODNet 仍展现出良好的目标检测性能。
引用
@article{arxiv.2003.01816,
title = {RODNet: Radar Object Detection Using Cross-Modal Supervision},
author = {Yizhou Wang and Zhongyu Jiang and Xiangyu Gao and Jenq-Neng Hwang and Guanbin Xing and Hui Liu},
journal= {arXiv preprint arXiv:2003.01816},
year = {2021}
}
备注
Accepted by WACV 2021, 10 pages, 9 figures, 3 tables. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. 2021