SDCM：面向物联网车载环境的雷达-视觉 3D 目标检测的模拟稠密化与补偿性建模融合
计算机视觉与模式识别
2026-02-03 v1 机器人学
图像与视频处理
摘要
基于 4-D 雷达-视觉的 3D 目标检测是物联网车 (IoV) 中的重要组成部分。然而，还需面临两个挑战：首先，4-D 雷达点云稀疏，导致 3D 表征不足；其次，视觉数据在低光、远距离检测和密集遮挡场景下表现 degrades，导致融合阶段提供不可靠的纹理信息。为此，提出一种名为 SDCM 的框架，即 Simulated Densifying and Compensatory Modeling Fusion，用于雷达-视觉 3D 目标检测。首先，考虑基于 3D 核密度估计 (3D KDE) 获取的关键点的高斯模拟生成点，以及基于曲率模拟的轮廓生成，设计了 Simulated Densifying (SimDen) 模块以生成稠密雷达点云。其次，考虑到雷达数据由于全天候特性能够提供更实时的信息，设计了 Radar Compensatory Mapping (RCM) 模块以减少视觉数据表现降低的影响。最后，考虑到特征张量差值包含每种模态有效信息，可被提取和建模用于异构性降低和模态间交互，设计了 Mamba Modeling Interactive Fusion (MMIF) 模块用于降低异构性并实现交互式融合。在 VoD、TJ4DRadSet 和 Astyx HiRes 2019 数据集上的实验结果表明，SDCM 在较低参数数量和更快的推理速度下实现了最佳性能。我们的代码将公开提供。
引用
@article{arxiv.2602.00149,
title = {SDCM: Simulated Densifying and Compensatory Modeling Fusion for Radar-Vision 3-D Object Detection in Internet of Vehicles},
author = {Shucong Li and Xiaoluo Zhou and Yuqian He and Zhenyu Liu},
journal= {arXiv preprint arXiv:2602.00149},
year = {2026}
}