自动驾驶系统中环视雷达/激光雷达的及时融合目标检测

融合雷达与激光雷达传感器数据可充分利用其互补优势，为自动驾驶系统提供更精确的环境重建。环视雷达/激光雷达能以最小成本提供 360 度视场采样，是有前景的自动驾驶系统感知硬件方案。然而，由于内在物理约束，环视雷达的旋转速度、进而生成雷达数据帧的频率远低于环视激光雷达。现有雷达/激光雷达融合方法不得不以环视雷达的低频工作，无法满足自动驾驶系统的高响应性要求。本文基于最先进的目标检测模型 MVDNet，发展了以更快的环视激光雷达而非更慢的环视雷达为限的环视雷达/激光雷达融合技术。我们方法的基本思想很简单：让 MVDNet 处理来自雷达/激光雷达的时间未对齐数据，从而在新激光雷达数据帧到达时即可进行融合，而无需等待慢速雷达数据帧。然而，直接将 MVDNet 用于时间未对齐的雷达/激光雷达数据会大幅降低其目标检测精度。本文揭示的关键信息是，我们可以通过增强训练过程以利用 MVDNet 中的时间冗余，使其容忍输入数据的时间未对齐，从而以极小的精度损失实现高输出频率。我们探索了几种不同的训练增强方式，并通过实验进行了定量比较。