CVPR2024 | RCBEVDet：毫米波雷达-相机在BEV空间下的融合方案

文章预览

1. 论文信息 2. 引言 这篇论文关注的主要问题是3D物体检测技术在自动驾驶进程中的应用。尽管多视角相机技术的发展为3D物体检测提供了高分辨率的语义信息，这种方法因无法精确捕获深度信息和在恶劣天气或低光照条件下的表现不佳等问题而受限。针对这一问题，论文提出了一种结合多视角相机和经济型毫米波雷达传感器的多模态3D物体检测新方法——RCBEVDet。 RCBEVDet的核心在于两个关键设计：RadarBEVNet和Cross-Attention Multi-layer Fusion Module（CAMF）。RadarBEVNet旨在有效提取雷达特征，它包括双流雷达主干网络和RCS（雷达截面积）感知的BEV（鸟瞰图）编码器。这样的设计利用点基和变换器基编码器处理雷达点，通过交互更新雷达点特征，同时将雷达特定的RCS特性作为物体大小的先验信息来优化BEV空间的点特征分布。而CAMF模块通过多模态交叉注意力机制解 ………………………………