论文标题：Channel Boosting Feature Ensemble for Radar-based Object Detection 论文链接：https://arxiv.org/abs/2101.03531 作者单位：韩国光州科学技术院 本文探索了基于雷达的目标检测，并提出了一种具有transformer编码器-解码器网络的通道增强特征集成方法！

通过验证SOTIF-ISO / PAS-21448（预期功能的安全性）指示的安全标准，可以设想自动驾驶汽车可以提供安全可靠的服务。在这种情况下，对环境的感知与本地化，计划和控制模块一起发挥了重要作用。作为感知堆栈中的关键算法，目标检测可提供对自动驾驶汽车周围环境的广泛了解。摄像机和激光雷达广泛用于不同传感器模式之间的物体检测，但是这些外感传感器在分辨率和不利的天气条件方面存在局限性。在这项工作中，探索了基于雷达的目标检测，提供了在恶劣天气条件下可以部署和使用的对应传感器模式。雷达提供复杂的数据；为此，提出了一种具有transformer编码器-解码器网络的通道增强特征集成方法。使用雷达的目标检测任务被公式化为一个集合预测问题，并在良好和恶劣天气条件下对可公开获得的数据集进行评估。使用COCO评估指标对提议的方法的有效性进行了广泛的评估，最佳模型在好天气和坏天气条件下均比最新方法高出12.55％和12.48％。

内容中包含的图片若涉及版权问题，请及时与我们联系删除