基于雷达和相机融合的目标检测方法

摘要：

在自动驾驶感知系统中,为了提高感知结果的可靠度,通常采用多传感器融合的方法.针对融合感知系统中的目标检测任务,提出了基于雷达和相机融合的目标检测方法——PRRPN,旨在使用雷达测量和前一帧目标检测结果来改进图像检测网络中的候选区域生成,并提高目标检测性能.首先,将前一帧检测到的目标与当前帧中的雷达点进行关联,以实现雷达预分类.然后,将预分类后的雷达点投影到图像中,并根据雷达的距离和雷达散射截面积(RCS)信息获得相应的先验候选区域和雷达候选区域.最后,根据候选区域进行目标边界框的回归和分类.此外,还将PRRPN与区域生成网络(RPN)融合到一起来进行目标检测.使用新发布的nuScenes数据集来对三种检测方法进行测试评估.实验结果表明,与RPN相比,PRRPN不仅可以更快速地实现目标检测,而且还使得小目标的平均检测精度提升了2.09个百分点;而将所提PRRPN与RPN进行融合的方法,与单独使用PRRPN和RPN相比,平均检测精度分别提升了2.54个百分点和0.34个百分点.

关键词：目标检测;神经网络;传感器融合;雷达;相机

所属期刊栏目：41

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2021-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3242-3250