【论文阅读】Probabilistic Orientated Object Detection in Automotive Radar

首个基于毫米波雷达的目标检测网络！使用了原始雷达数据 (FMCW Radar)，来自米国 Xsense AI 团队。

论文链接：https://arxiv.org/abs/2004.05310

---

摘要

自动雷达因其应对恶劣天气和各种照明条件的鲁棒性，已成为先进驾驶辅助系统的组成部分之一。传统的汽车雷达使用数字信号处理 (DSP) 算法将原始数据处理成稀疏的雷达 pins，但这些 pins 未能提供有关物体大小和方向的信息。本文提出了一种基于深度学习的雷达目标检测算法。该算法引入了原始 (raw) 张量表示的雷达数据，并在鸟瞰空间中，在检测到的目标周围放置基于概率的有向 bbox。我们用 102544 帧原始雷达和同步激光雷达 (Lidar) 数据创建了一个新的多模数据集。为了减少人工标注的工作量，我们开发了一个可扩展的 pipeline，以利用激光雷达作为参考自动标注 Ground True。基于此数据集，我们开发了一个以原始雷达数据为唯一输入的车辆检测 pipeline。我们的最佳性能雷达探测模型在 0.3 的定向 IoU 下达到 77.28% 的 AP。据我们所知，这是第一次尝试用原始雷达数据研究常规角车雷达的目标检测。

示范

 

 网络结构

 效果