基于深度学习构建4D Radar的环境感知算法解决智驾Corner Case

文章预览

作者 | Jessie 出品 | 焉知 随着最近的发展，汽车雷达的性能已显着提高。下一代4D雷达可以实现高分辨率点云形式的成像能力。在此背景下，雷达感知深度学习时代已经到来。然而，雷达深度学习的研究分散在不同的任务中，缺乏整体的认知。试图提供深度雷达感知堆栈的全貌，包括信号处理、数据集、标签、数据增强以及深度和速度估计、物体检测和传感器融合等下游任务。对于这些任务，本文重点解释网络结构如何适应雷达领域知识。其中，特别总结了深度雷达感知中三个被忽视的挑战，包括多径效应、不确定性问题和恶劣天气影响，并提出了一些解决这些问题的尝试。 图1 深度雷达感知处理框架 随着4D雷达逐渐推向市场，雷达点云密度大幅增加。4D 雷达的一个主要优点是可以根据海拔测量对静态物体进行分类，而无需构建占用网格地图。因 ………………………………