SMURF：面向 4D 成像雷达三维目标检测的空间多表示融合
计算机视觉与模式识别
2023-10-06 v3
摘要
4D 毫米波（mmWave）雷达因其成本效益和在恶劣天气条件下的可操作性而成为车辆感知的一项有前景的技术。然而，雷达点云数据中的稀疏性和噪声问题阻碍了该技术的应用。本文介绍了空间多表示融合（SMURF），一种利用单个 4D 成像雷达进行三维目标检测的新方法。SMURF 利用雷达检测点的多种表示，包括通过核密度估计（KDE）得到的多维高斯混合分布的点柱化和密度特征。KDE 有效缓解了由有限角分辨率和雷达信号多径传播引起的测量不准确。此外，KDE 通过捕获密度特征有助于缓解点云稀疏性。在 View-of-Delft（VoD）和 TJ4DRadSet 数据集上的实验评估证明了 SMURF 的有效性和泛化能力，优于近期提出的基于 4D 成像雷达的单表示模型。此外，在仅使用 4D 成像雷达的情况下，SMURF 仍取得了与最先进的 4D 成像雷达与相机融合方法相当的性能，在 TJ4DRadSet 数据集的鸟瞰图上平均精度提高 1.22%，在 VoD 数据集的整个标注区域上三维平均精度提高 1.32%。我们提出的方法展现出令人印象深刻的推理时间，并以不超过两个数据集上大多数扫描 0.05 秒的推理时间解决了实时检测的挑战。本研究凸显了 4D 毫米波雷达的优势，并为后续基于 4D 成像雷达的三维目标检测工作提供了强有力的基准。
引用
@article{arxiv.2307.10784,
title = {SMURF: Spatial Multi-Representation Fusion for 3D Object Detection with 4D Imaging Radar},
author = {Jianan Liu and Qiuchi Zhao and Weiyi Xiong and Tao Huang and Qing-Long Han and Bing Zhu},
journal= {arXiv preprint arXiv:2307.10784},
year = {2023}
}
备注
Accepted by IEEE Transactions on Intelligent Vehicles