17日前

自律走行車におけるロバストなオブジェクト検出のためのRadar+RGBアテンティブ融合

Ritu Yadav, Axel Vierling, Karsten Berns
自律走行車におけるロバストなオブジェクト検出のためのRadar+RGBアテンティブ融合
要約

本稿では、RANetおよびBIRANetという2種類のアーキテクチャの変種を提示する。提案するアーキテクチャは、レーダ信号データとRGBカメラ画像を統合することで、雨、ほこり、霧など、照明条件や天候が変化する状況下でも効率的かつ堅牢に動作する検出ネットワークを構築することを目的としている。具体的には、以下の3つのアプローチを採用している。第一に、特徴抽出ネットワーク内でレーダ情報の特徴を統合する。第二に、レーダポイントを活用してガイド付きアンカー(guided anchors)を生成する。第三に、領域提案ネットワーク(RPN)のターゲットを改善する手法を提案する。BIRANetはNuScenesデータセットにおいて72.3%/75.3%の平均AP/ARを達成し、特徴ピラミッドネットワーク(FFPN)を搭載したベースラインネットワークであるFaster-RCNNを上回る性能を示した。一方、RANetは同データセットで69.6%/71.9%の平均AP/ARを記録し、妥当な性能を発揮している。さらに、BIRANetおよびRANetの両方について、ノイズに対する堅牢性が評価され、良好な耐障害性が確認された。

自律走行車におけるロバストなオブジェクト検出のためのRadar+RGBアテンティブ融合 | 最新論文 | HyperAI超神経