用于雷达目标检测的场景感知学习网络
计算机视觉与模式识别
2021-07-06 v1
摘要
目标检测对于安全的自主或辅助驾驶至关重要。以往工作通常利用 RGB 图像或 LiDAR 点云来识别和定位自动驾驶中的多个物体。然而，摄像头在恶劣驾驶条件（如恶劣天气或弱光照）下往往失效，而 LiDAR 扫描仪过于昂贵，难以在商业应用中广泛部署。雷达因其鲁棒性和低成本正受到越来越多关注。本文中，我们提出一种场景感知雷达学习框架，用于准确且鲁棒的目标检测。首先，该学习框架包含以雷达序列场景类别为条件的分支；每个分支针对特定类型场景进行优化。其次，提出了三种不同的基于 3D 自编码器的架构用于雷达目标检测，并对不同架构进行集成学习以进一步提升最终性能。第三，我们提出新颖的场景感知序列混合增强（SceneMix）和场景特定后处理，以生成更鲁棒的检测结果。在 ROD2021 挑战赛中，我们取得了平均精度 75.0% 和平均召回率 81.0% 的最终结果。此外，在停车场场景中，我们的框架以 97.8% 的平均精度和 98.6% 的平均召回率排名第一，证明了我们框架的有效性。
引用
@article{arxiv.2107.01469,
title = {Scene-aware Learning Network for Radar Object Detection},
author = {Zangwei Zheng and Xiangyu Yue and Kurt Keutzer and Alberto Sangiovanni Vincentelli},
journal= {arXiv preprint arXiv:2107.01469},
year = {2021}
}