【英飞凌和慕尼黑工业大学】CaFNet：一种置信度驱动的雷达-相机深度估计框架

文章预览

点击下方 卡片 ，关注“ 自动驾驶专栏 ”公众号 自动驾驶干货 ，即可获取 论文链接： https://arxiv.org/pdf/2407.00697 摘要 本文介绍了 CaFNet：一种置信度驱动的雷达-相机深度估计框架。深度估计是自动驾驶中准确解释3D场景的关键。最近，由于雷达的鲁棒性和低成本特性，雷达-相机深度估计已经引起了人们极大的兴趣。因此，本文引入了一种两阶段、端到端可训练的置信度感知融合网络（CaFNet）用于稠密深度估计，其将RGB图像与稀疏且具有噪声的雷达点云数据相结合。第一阶段通过预测雷达置信度图和初步粗略的深度图来解决雷达特有的挑战，例如模糊的高程和具有噪声的测量。本文提出了一种新的方法来生成置信度图的真值，其涉及将每个雷达点与其对应的目标相关联，以识别潜在的投影表面。这些图与初始雷达输入一起由第二编码器处理。为了 ………………………………