如今的自動駕駛需要滿足應多種復雜場景，因此準確的目標檢測方法對于汽車的安全駕駛具有關鍵意義，而毫米波雷達（以下統稱為雷達）與視覺融合的方法成為主流，作者的這篇文章詳述了當今毫米波雷達與相機融合的不同技術路線的融合方法。
文章第一介紹對于當今用于自動駕駛的數據集，目標檢測的評價標準以及主要任務。隨后在三個層次：數據，決策，特征層次對融合方法進行了詳細的描述，尤其是近些年來興起的基于特征層面的目標檢測融合方法。
自動駕駛的應用中通常會包括多種傳感器，以提高系統的可靠性。從目前來看，常用的傳感器包括攝像頭，激光雷達和毫米波雷達。這些傳感器各有優缺點，也互為補充，因此如何高效的融合多傳感器數據，也就自然的成為了感知算法研究的熱點之一。
毫米波雷達感知算法的研究起步較晚，公開的數據庫也不多，因此目前多傳感器融合的研究主要集中在融合攝像頭（圖像）和激光雷達（點云）的數據。隨著毫米波雷達在自動駕駛車輛中越來越多的應用，它的數據如何與圖像進行融合，也成為了一個亟需解決的問題。
毫米波雷達的數據一般以Point Cloud（點云）的形式呈現。理論上說這與激光雷達的點云類似，只是每個點包含的數據不同：激光雷達的點包括X，Y

總結

以上是生活随笔為你收集整理的【camera-radar】自动驾驶相机-毫米波雷达融合方案综述的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。