Diese Arbeit präsentiert zwei Varianten einer Architektur, die als RANet und BIRANet bezeichnet werden. Die vorgeschlagene Architektur zielt darauf ab, Radardaten zusammen mit RGB-Kamerabildern zu nutzen, um ein robusteres Detektionsnetzwerk zu erstellen, das auch unter wechselnden Licht- und Wetterbedingungen – wie Regen, Staub, Nebel und anderen – effizient funktioniert. Zunächst erfolgt die Fusion von Radardaten im Merkmalsextraktor-Netzwerk. Zweitens werden Radarpunkte genutzt, um geführte Anchor-Regionen zu generieren. Drittens wird ein Verfahren vorgeschlagen, um die Ziele des Region Proposal Networks (RPN) zu verbessern. BIRANet erreicht auf dem NuScenes-Datensatz eine durchschnittliche AP/AR von 72,3 %/75,3 %, was eine bessere Leistung als unsere Basisarchitektur Faster-RCNN mit Feature-Pyramiden-Netzwerk (FFPN) darstellt. RANet erzielt auf demselben Datensatz eine durchschnittliche AP/AR von 69,6 %/71,9 %, was eine durchaus akzeptable Leistung darstellt. Zudem zeigen sowohl BIRANet als auch RANet eine hohe Robustheit gegenüber Rauschen.