LXL：基于4D成像雷达与相机融合的LiDAR剔除型轻量级3D目标检测

作为一种新兴技术且成本相对较低的设备，4D成像雷达已在自动驾驶场景中被证实能够有效实现三维目标检测。然而，4D雷达点云存在稀疏性和噪声大的问题，严重制约了检测性能的进一步提升，且关于其与其他模态深度融合的深入研究仍显不足。另一方面，作为一种新型的图像视图变换策略，“采样”（sampling）方法已被少数基于图像的检测器所采用，并展现出优于广泛使用的“基于深度的点投射”（depth-based splatting）策略的性能，即使在不依赖图像深度预测的情况下亦如此。然而，“采样”方法的潜力尚未得到充分挖掘。本文针对基于摄像头与4D成像雷达融合的三维目标检测任务，系统研究了“采样”视图变换策略的应用。所提出的LiDAR Excluded Lean（LXL）模型，分别从图像视角特征（image perspective view, PV）中生成预测的图像深度分布图，从雷达鸟瞰图特征（radar bird’s eye view, BEV）中生成雷达三维占据网格（3D occupancy grids）。这两类信息被送入LXL模型的核心模块——“雷达占据辅助的基于深度的采样”（radar occupancy-assisted depth-based sampling），用于辅助图像视图变换过程。实验表明，通过引入图像深度信息与雷达感知数据，可显著增强“采样”策略的准确性，从而实现更精确的视图变换。在VoD与TJ4DRadSet两个数据集上的实验结果表明，所提出的方法在不依赖任何复杂后处理或额外优化技巧（bells and whistles）的情况下，显著超越现有最先进三维目标检测方法。消融实验进一步验证了在不同增强配置中，本方法在各项指标上均表现最优，充分证明了其有效性与鲁棒性。