基于相机辅助特征增强的雷达目标检测网络OA

车载毫米波雷达有全天候工作的优点,但由于缺乏语义信息,难以从雷达回波信号识别目标类别。针对以上问题,文中设计了一种基于相机辅助的特征增强目标检测网络(F-TDNet)。首先针对复杂环境下目标特征较弱,提出一种卷积归一池化(CBR)特征增强模块和模型的特征提取能力。其次,采用卷积自编码器保证雷达语义信息获取的全面性。然后,在卷积自编码器中添加参数量和计算量较小的压缩和激励网络(SE)注意力机制,提高特征提取的细化能力。实验结果表明,在环境光照不稳定以及目标速度不定条件下平均精度达到了92.50%,召回率为95.86%,与其他方法相比,该方法和改进网络具有优异的检测效果。文中所提方法减小了自动驾驶系统对相机的依赖性,同时具备全天候检测的特点,且性能稳定,有助于提高辅助驾驶系统的安全性。