9、雷达与激光雷达融合的目标检测技术解析

雷达与激光雷达融合的目标检测技术解析

1. 实验基础设置

在目标检测的研究中，为保证训练和测试分布的一致性，采用了3:1的比例划分数据。4D雷达和激光雷达的点云数据各有特点，4D雷达点云通常包含1000到10000个点，而16线激光雷达点云则有10000到25000个点，对应的图像分辨率为2048×618像素。4D雷达点云数据的最大范围可达200米，16线激光雷达为100米。由于3D边界框是在雷达点云中进行标注的，所以需要将激光雷达点云转换到雷达坐标系中。训练集主要包含汽车，行人与自行车的数量极少，因此仅对汽车类别进行实验评估。评估遵循官方KITTI评估协议，汽车的IoU阈值设为0.5，该阈值在鸟瞰图（BEV）数据和整个3D评估集中保持一致，使用平均精度均值（mAP）作为评估指标。

2. 实现细节

• 坐标范围设定 ：依据KITTI数据集中的点云配置，将x、y、z的范围分别设定为(0, 69.12 m)、(-39.68 m, 39.68 m)和(-3 m, 1 m)。
• 融合网络结构 ：融合网络由三部分构成，分别是用于从4D雷达和激光雷达点云中提取支柱的支柱提取模块、特征融合模块以及骨干网络。CMSF模块采用了两种不同的尺度，S和S/2对应的支柱体积分别为[0.16, 0.16, 4] (m)和[0.08, 0.08, 4] (m)。IMMF模块的输入通道大小为10，输出通道大小为64。骨干网络包含三个卷积块和三个反卷积块。三个卷积块中的卷积层数、步长和输出通道数分别为[3, 5, 5]、[2, 2, 2]和[128, 256, 512]；三个反卷积块中的对应参数分别为