摘要
自动驾驶的感知系统在目标遮挡、目标拥挤、远距离目标探测等困难场景下检测性能与可靠性有待提升.为此,提出基于 Radar 和 Lidar 数据的深度融合网络模型及对抗训练方法.首先,基于Radar 回波缺乏高度和含有较大噪声的特点,设计基于鸟瞰图的联合体素划分和点云增强方法,通过空间和通道注意力的计算建立不同模态特征之间的深度信息融合结构,提升单帧目标检测性能;然后,提出基于对抗学习的多模态数据融合学习算法,提高对两种数据优势特征的利用效率.实验结果表明,所提方法在实际大型驾驶场景数据集nuScenes上达到了领先水平.
维普
万方数据