基于多任务学习的传感器融合目标检测

• 作者: 程书慧 陈凌珊 杨军典
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 毫米波雷达 相机 多传感器融合 多任务学习
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 系统开发与应用|Systematic development and application
• 页码范围: 68-71,77
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2021.12.014

摘要

本文针对多传感器融合的目标检测,提出一种基于多任务学习的毫米波与相机目标级数据融合算法.利用任务间的强相关性,采用硬共享机制的多任务学习模型,完成目标位置及尺寸预测与目标类别的分类.网络模型使用批归一化与残差结构,并对两个任务损失函数设置权重.模型训练集中加入某一传感器失效时的数据,使模型在某一传感器失效时也能准确得到目标位置、尺寸和类别,同时改善了相机对于距离检测的不确定性,以及雷达对目标类别及横向位置检测的不准确性,使融合后目标属性值更精确,提高各任务的性能与泛化能力及智能车辆感知的稳定性与准确性.经实验验证,本文算法得到了较高的分类准确率和召回率,且回归任务的均方根误差较小.