雷达中和计算机视觉中的目标识别检测及跟踪区别在哪里？

最新推荐文章于 2025-01-16 18:28:01 发布

自动驾驶之心

最新推荐文章于 2025-01-16 18:28:01 发布

阅读量1k

点赞数

文章标签：计算机视觉深度学习人工智能

原文链接：https://mp.weixin.qq.com/s?__biz=Mzg2NzUxNTU1OA==&mid=2247532813&idx=3&sn=4f34b139bb820e6c613a8c4951e6eab9&chksm=ceb86cc4f9cfe5d2895323beff57f40bc53346aaf4c875c8100c88f1996447815c4457c8c8e9&scene=126&sessionid=0

版权

作者 | 梦里寻梦、苦瓜编辑 | 汽车人

原文链接：https://www.zhihu.com/question/58615878/answer/2100196576

https://www.zhihu.com/question/58615878/answer/252820184

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

点击进入→自动驾驶之心【目标跟踪】技术交流群

后台回复【目标跟踪综述】获取单目标、多目标、基于学习方法的领域综述！

@梦里寻梦

首先，输入数据处理不一样。视觉输入就是输入，你就是在视野里找目标。而雷达特么给你的数据一堆是假的，一堆！！！假的！！！各种假目标，而且几乎没有手段区分出到底啥是假目标，有时候更过分，反射强度等指标比真的还真。雷达的数据，如果没有在天线设计等源头进一步做好，对付复杂场景，有心无力。

比如你在道路上走着，旁边走过一辆大卡车，我的天，怎么咱车的正前方也出现一堆鬼影，让人防不胜防···········

除此之外，雷达对单个目标每次的特征也经常差异较大，更多表现在数目上，一辆车有时候一两个点，有时候七八个点，这都是常有的事。

还有，很多厂家鼓吹雷达全天候不受天气影响，也是有点痴人说梦。来个大暴雨，瞬间痴狂。

有时候路边多点花花草草，来几个井盖，也能让你怀疑人生。不要说雷达4D成像，这特么经常有上天入地的障碍物，你告诉我要信你几分。

第二，常用算法各显神通。同样是特征抽取，视觉主要通过深度学习，常用诸如SSD、YOLO等，而雷达数据就基于比较传统的方法，比如异常值过滤，聚类，霍夫变换等等。

第三，跟踪所应对问题不一样。视觉的跟踪，比方用卡尔曼，可能你更多的是要来调整卡尔曼参数，来更好适配当前场景。雷达的跟踪，除了要调整参数外，还得面临自身状态问题，比如你用框来表示一个雷达目标，那能整死你，因为前方一辆车忽大忽小，行踪难觅。如果用一个点来表示一个目标，那诸如速度等方面时不时差异也较大。另外，雷达的多普勒对于正前方相对较准，但是对于旁边的突发事物，有点爱莫能助。

综上，我觉得雷达目标检测较大的难点主要在于预处理，是要全局里找特征。而视觉主要难点在于预处理后的特征寻找，可以局部里找对象。

业界内，无论是雷达还是视觉都已经做到一定程度，只能说，干净的场景应该都没问题，你不去做融合都没问题。一旦场景复杂，那两者都存在很大困难，融合只能一定程度减少误检漏检。

自动驾驶道路还很漫长！！！

@苦瓜

我主要是做雷达方面的，最近看了部分计算机视觉方面的。一。对于目标识别检测方面来说，雷达和计算机视觉的区别比较大，但本质上都是提取目标的特征。1.目标的特征方面的区别：计算机视觉也就是图像的特征就会丰富一点，有色彩信息还可以有一些模板进行学习；而雷达的目标检测都是对回波强度的检测，分辨率低的得到的是点目标，分辨率高的会得到图像，但是可用的信息都只是电磁波的回波强度。2. 目的的区别：计算机视觉是要识别出物体的图像，甚至是物体是什么；而雷达目标识别检测主要是为了检测出有目标。3.难点不一样：看起来雷达的目的要简单的多，但是雷达的探测距离远（高频雷达可以超视距探测），并且可以在恶劣环境下进行，收到的回波是大量的噪声，杂波和目标回波，而目标的回波能量往往要比噪声和杂波低的多，因此雷达的难点是在高杂波背景下检测目标；而计算机视觉的目标识别的难点是获得有效的目标特征。

二、对于目标跟踪方面：跟踪的理论不论是在哪个领域都是类似的，大致的框架都是一致的，通过观测信息来更新目标状态信息，不断的逼近真实的目标状态，输入—目标初始化—特征提取—目标模型—目标搜索—输出，

因此，两者的区别都是由于目标的特征不同引起的。

视频课程来了！

自动驾驶之心为大家汇集了毫米波雷达视觉融合、高精地图、BEV感知、传感器标定、自动驾驶协同感知、语义分割、自动驾驶仿真、L4感知等多个方向学习视频，欢迎大家自取（扫码进入学习）

（扫码学习最新视频）

国内首个自动驾驶学习社区

近1000人的交流社区，和20+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（分类、检测、分割、关键点、车道线、3D目标检测、多传感器融合、目标跟踪、光流估计、轨迹预测）、自动驾驶定位建图（SLAM、高精地图）、自动驾驶规划控制、领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！