自动驾驶雷达数据中杂波检测与运动目标语义分割的同步实现

雷达传感器独特的特性（如对抗恶劣天气的鲁棒性）使其成为自动驾驶车辆环境感知系统的重要组成部分。雷达点云处理的首要步骤之一通常是杂波检测，即识别不对应真实物体的错误点。另一常见目标是运动道路使用者的语义分割。文献中这两个问题被严格分开处理，所采用的神经网络始终完全聚焦于其中单一任务。与此相反，我们探究了利用单一联合模型同时解决两项任务的方法。除一种新的增强多头架构外，我们还设计了一种以单一输出值表示网络对两项任务预测的方法。这一新颖方法使我们能以与传统特定任务模型相同的推理时间同时完成这些任务。在一项广泛评估中，我们表明我们的设置极为有效，并在 RadarScenes 数据集上优于所有现有的语义分割网络。