中科大悉尼大学等开源3D动态目标检测的双向LiDAR-Radar融合！CVPR 2023

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文##开源#  CVPR 2023|中科大悉尼大学讯飞等开源最新多模态方法！

Bi-LRFusion:【用于三维动态目标检测的双向激光LiDAR-Rada

【Bi-LRFusion: Bi-Directional LiDAR-Radar Fusion for 3D Dynamic Object Detection】

作者单位：中科大 悉尼大学 上海人工智能实验室

Code地址：GitHub - JessieW0806/Bi-LRFusion

论文链接：[2306.01438] Bi-LRFusion: Bi-Directional LiDAR-Rad...

   LiDAR和Radar是两种互补的传感方法，因为LiDAR 擅长捕获物体的3D点云形状，而Radar可以提供更长的探测范围和速度信息。虽然看似顺理成章，但如何有效地将它们结合起来以改善特征表示仍然是不明确的。主要的挑战在于Radar的数据极其稀疏且缺乏高度信息。因此，将雷达特征直接集成到以激光雷达为中心的检测网络中的方法并不是最佳的。本文引入了一种双向激光LiDAR-Radar融合框架，称为Bi-LRFusion，以应对挑战并改善对动态物体的三维检测。从技术上讲，Bi-LRFusion涉及两个步骤：首先，通过从LiDAR的部分可以学习一些重要的细节来丰富Radar的局部特征，以缓解缺乏高度信息和极端稀疏性带来的问题;其次，它将LiDAR特征与增强的Radar特征相结合，形成统一的BEV。    本文在nuScenes和ORR数据集上进行了扩展实验，结果表明我们的Bi-LRFusion在检测动态对象方面实现了SOTA性能。值得注意的是，这两个数据集中的雷达数据的格式是不同的，恰好表现了本文方法的泛化能力。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容