廣告
毫米波雷達在多模態(tài)視覺任務(wù)上的近期工作及簡析
-
模型架構(gòu)：使用傳統(tǒng)的UNet生成occupy grid map，輸入是BEV表示下的Radar的點云，輸出為occupy grid。
-
模型細節(jié)：
-
為什么在極坐標(biāo)系下檢測？
作者提到，CNN對于尺度變化的魯棒性要強于對方向形狀的魯棒性變化。下圖所示，在polar space中路寬相較于cartesian space變化更大，但是cartesian space的兩側(cè)點云出現(xiàn)了blur。
-
毫米波數(shù)據(jù)預(yù)處理
考慮到這樣一個問題：毫米波本來檢測不到的目標(biāo)，是否應(yīng)該強制使其檢測？
答案肯定是否，因為毫米波和lidar的性質(zhì)差異，對于樹木等一些反射性相對較差的目標(biāo)，毫米波是檢測不到的，同時radar檢測到被遮擋的物體，此時lidar又是檢測不到的，兩個傳感器之間的差異，如果強制檢測，會導(dǎo)致相當(dāng)多的FP預(yù)測，因而會降低性能；
因此，通過數(shù)據(jù)預(yù)處理，首先過濾反射強度低于某個閾值的點云，然后將lidar提供的GT數(shù)據(jù)中radar無法檢測到的數(shù)據(jù)濾除，得到訓(xùn)練數(shù)據(jù)。
如上圖所示，由實驗得到，通過預(yù)處理，模型的FP大大降低；
-
如何解決傳感器檢測距離差異問題呢？
POLAR SLIDING WINDOW INFERENCE：將lidar檢測區(qū)域內(nèi)的點云作為GT用作traning region，然后逐步滑動窗口，每次窗口所包含的radar點云僅作為inference，生成occupy map。簡單來說，就是lidar內(nèi)的有限數(shù)據(jù)用于訓(xùn)練，而lidar外的radar用于推理生成occupy map并拼接生成最終的遠距離occupy map。
流程如下圖所示，這里的內(nèi)外圓之間的距離是檢測的范圍，也就是滑動窗口，訓(xùn)練是通過對比不同的滑動窗口的內(nèi)容與網(wǎng)絡(luò)預(yù)測的同心圓之內(nèi)的檢測結(jié)果進行對比訓(xùn)練。
-
如何保持radar的透視性能？
通過上面所述的滑動窗口，可以完美解決lidar監(jiān)督數(shù)據(jù)下，lidar-invisible的目標(biāo)但是radar-invisible的目標(biāo)點云沒有輸入而導(dǎo)致的透視性能喪失問題，因為在t窗口不能看到的點云，可以在別的窗口看到。
-
總結(jié)：
以上是效果圖，可以看到，原本的radar輸入是非?；靵y的，帶有非常多的噪聲，第二列是訓(xùn)練數(shù)據(jù)可以看到lidar的點云非常規(guī)則能夠反映區(qū)域內(nèi)比較完整的幾何信息，第三列是輸出的結(jié)果，通過lidar數(shù)據(jù)的監(jiān)督，能夠在lidar區(qū)域以外，生成噪聲較小，能夠反映路面分布的點云圖。第四列是人工標(biāo)注的GT，最后生成的result與GT相較radar更為接近。在BEVDepth對網(wǎng)絡(luò)預(yù)測深度監(jiān)督時，深度本身的模態(tài)無關(guān)的信息，不加改變地監(jiān)督深度預(yù)測網(wǎng)絡(luò)是可行的，但是對于radar和lidar兩種模態(tài)，各自有各自的特性，強制地把一種模態(tài)地特征監(jiān)督另一種模態(tài)而不加變化，勢必會導(dǎo)致本文中出現(xiàn)的虛警等情況。
- 下一篇：鋰電池散熱冷卻方式綜述
- 上一篇：某純電動汽車空調(diào)采暖性能試驗研究
廣告 編輯推薦
最新資訊
-
開年豪擲1.8億搶用戶，又一車企加入“價格
2026-03-04 16:05
-
聯(lián)合國法規(guī)R60對兩輪車操縱件與指示裝置的
2026-03-04 12:08
-
標(biāo)準(zhǔn)立項|《汽車異種材料鉚接接頭拉伸性能
2026-03-04 11:40
-
“汽車大角度座椅 第1部分：通用要求”將有
2026-03-04 11:39
-
“汽車大角度座椅 第2部分：可靠性要求”將
2026-03-04 11:39
