arXiv cs.AI· Shiva Agrawal, Savankumar Bhanderi, Gordon Elger·· 3 天前AI 评分21
用路边 RGB 相机与 3D 雷达实现资源高效的道路使用者 3D 形状与朝向估计
Resource-Efficient 3D Shape and Orientation Estimation of Road Users using Roadside RGB Camera and 3D Radar
AI 导读
针对路边传感器高度、倾角与视场差异大导致端到端模型难以泛化的问题，该研究提出一种低成本两阶段方法：第一阶段用现成方法提取 2D 相机检测框与对应 3D 雷达点，第二阶段由雷达确定 3D 位置、预定义模板确定尺寸、微型神经网络预测站点专属偏航角，从而构建 3D 有向包围盒。
正文 · AI 翻译
摘要：用于相机-雷达 3D 目标检测的端到端深度学习流水线在驾驶辅助系统和自动驾驶汽车中已相当成熟；然而，将其适配到路侧安装的基础设施上却面临重大挑战。在车辆上，传感器高度、俯仰角和相对几何关系基本一致，使端到端模型能够有效泛化。相反，路侧传感器安装在各地点之间的高度、倾角和视场差异极大，导致端到端模型容易失效，且在没有大量特定地点数据集的情况下难以适配。因此，本文没有设计用于直接估计 3D 边界框的复杂端到端流水线，而是提出一种低成本、资源高效的两阶段方法，用于实时 3D 形状与朝向估计。第一阶段利用任意现成的、最先进的方法，为每个道路使用者提取 2D 相机边界框及相关的 3D 雷达点。所提出的第二阶段随后处理这些输入以构建 3D 有向边界框，其中雷达数据确定 3D 位置，预定义模板为每个道路使用者定义尺寸，一个小型神经网络预测特定地点且经过优化的偏航角。该算法在一个带有路口的弯曲道路上针对行人、自行车和汽车成功进行了验证，在 NVIDIA Jetson ORIN 上达到每秒 25 帧，可用于实时应用。
| 评论： | 已被第 18 届 IEEE 传感器数据融合研讨会：趋势、解决方案与应用（SDF 2026）接收，德国波恩 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.18417 [cs.CV] |
| （或 arXiv:2610.18417v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18417 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Shiva Agrawal [查看电子邮件]
[v1]
2026 年 10 月 13 日星期二 13:58:01 UTC（3,568 KB）
来源：arXiv cs.AI · arxiv.org