SFGFusion：基于表面拟合的 4D 雷达和摄像机融合表面拟合导向 3D 对象检测
计算机视觉与模式识别
2025-10-23 v1
摘要
3D 对象检测是自动驾驶的关键任务。作为一种新兴传感器，4D 成像雷达具有低成本、远距离检测和准确速度测量等优势，非常适合用于对象检测。然而，其稀疏点云和低分辨率限制了对象几何表征，并阻碍了多模态融合。本研究引入 SFGFusion，一种由表面拟合引导的摄像机-4D 成像雷达检测网络。通过从图像和雷达数据中估计对象的二次曲面参数，显式的表面拟合模型增强了空间表征和跨模态交互，使能够更可靠地预测细粒度稠密深度。预测的深度有两个用途：1) 在图像分支中，用于将图像特征从透视视图 (PV) 转换为统一的鸟瞰视图 (BEV)，以实现多模态融合，提高空间映射精度；2) 在表面伪点分支中，用于生成稠密伪点云，缓解雷达点稀疏问题。该方法还采用独立的雷达分支对原始雷达点云进行编码。这两个点云分支采用基于柱体的方法，并随后将特征转换到 BEV 空间。最后，使用标准 2D 主干网络和检测头从 BEV 特征中预测对象标签和边界框。实验结果表明，SFGFusion 有效地融合了摄像机和 4D 雷达特征，在 TJ4DRadSet 和 view-of-delft (VoD) 对象检测基准测试中实现了卓越的性能。
引用
@article{arxiv.2510.19215,
title = {SFGFusion: Surface Fitting Guided 3D Object Detection with 4D Radar and Camera Fusion},
author = {Xiaozhi Li and Huijun Di and Jian Li and Feng Liu and Wei Liang},
journal= {arXiv preprint arXiv:2510.19215},
year = {2025}
}
备注
Submitted to Pattern Recognition