汇总！自动驾驶Camera与Radar融合算法与论文总结

作者 | eyesighting  编辑 | 汽车人

原文链接：https://zhuanlan.zhihu.com/p/626012546?

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【多传感器融合】技术交流群

后台回复【多传感器融合综述】获取图像/激光雷达/毫米波雷达融合综述等干货资料！

1一、Cam与Radar融合综述论文

CamRadarObjDetSemSegADSurvey

题目：Radar-Camera Fusion for Object Detection and Semantic Segmentation in Autonomous Driving: A Comprehensive Review

名称：用于自动驾驶中目标检测和语义分割的雷达相机融合：综合回顾

论文：https://arxiv.org/abs/2304.10410

CamRadarPepADSurvey

题目：Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics

名称：自动驾驶汽车和 ADAS 的摄像头雷达感知：概念、数据集和指标

论文：https://arxiv.org/abs/2303.04302

VisionRadarFusionBEVDetSurvey

题目：Vision-RADAR fusion for Robotics BEV Detections: A Survey

名称：用于机器人 BEV 检测的视觉-雷达融合：一项调查

论文：https://arxiv.org/abs/2302.06643

2二、Cam与Radar融合开源算法

CamRadarSP

题目：A Modular Platform For Collaborative, Distributed Sensor Fusion

名称：用于协作、分布式传感器融合的模块化平台

论文：https://arxiv.org/abs/2303.07430

CenterFusion

题目：CenterFusion: Center-based Radar and Camera Fusion for 3D Object Detection

名称：CenterFusion：用于 3D 对象检测的基于中心的雷达和相机融合

论文：https://arxiv.org/abs/2011.04841

代码：https://github.com/mrnabati/CenterFusion

CFTrack

题目：CFTrack: Center-based Radar and Camera Fusion for 3D Multi-Object Tracking

名称：CFTrack：用于 3D 多目标跟踪的基于中心的雷达和相机融合

论文：https://arxiv.org/abs/2107.05150

CRAFT

题目：CRAFT: Camera-Radar 3D Object Detection with Spatio-Contextual Fusion Transformer

名称：CRAFT：使用 Spatio-Contextual Fusion Transformer 的相机-雷达 3D 目标检测

论文：https://arxiv.org/abs/2209.06535

CramNet

题目：CRAFT: Camera-Radar 3D Object Detection with Spatio-Contextual Fusion Transformer

名称：CRAFT：使用 Spatio-Contextual Fusion Transformer 的相机-雷达 3D 目标检测

论文：https://arxiv.org/abs/2209.06535

CRExtCalib

题目：A Continuous-Time Approach for 3D Radar-to-Camera Extrinsic Calibration

名称：一种用于 3D 雷达到相机外部校准的连续时间方法

论文：https://arxiv.org/abs/2103.07505

CRFDriveTrj

题目：Extraction and Assessment of Naturalistic Human Driving Trajectories from Infrastructure Camera and Radar Sensors

名称：从基础设施摄像机和雷达传感器中提取和评估自然人类驾驶轨迹

论文：https://arxiv.org/abs/2004.01288

CRF-DS

题目：Depth Estimation from Monocular Images and Sparse Radar Data

名称：基于单目图像和稀疏雷达数据的深度估计

论文：https://arxiv.org/abs/2010.00058

CRF-ODDS

题目：Radar-Camera Sensor Fusion for Joint Object Detection and Distance Estimation in Autonomous Vehicles

名称：用于自动驾驶汽车联合目标检测和距离估计的雷达-相机传感器融合

论文：https://arxiv.org/abs/2009.08428

CRFNet

题目：A Deep Learning-based Radar and Camera Sensor Fusion Architecture for Object Detection

名称：用于目标检测的基于深度学习的雷达和摄像头传感器融合架构

论文：https://arxiv.org/abs/2005.07431

代码：https://github.com/TUMFTM/CameraRadarFusionNet

CRF-OT

题目：Fusion of Inverse Synthetic Aperture Radar and Camera Images for Automotive Target Tracking

名称：用于汽车目标跟踪的逆合成孔径雷达和相机图像的融合

论文：https://arxiv.org/abs/2209.13512

CRF-VSM

题目：Vital Sign Monitoring in Dynamic Environment via mmWave Radar and Camera Fusion

名称：通过毫米波雷达和摄像头融合在动态环境中监测生命体征

论文：https://arxiv.org/abs/2304.11057

CRN-BEV

题目：CRN: Camera Radar Net for Accurate, Robust, Efficient 3D Perception

名称：CRN：用于准确、稳健、高效 3D 感知的相机雷达网

论文：https://arxiv.org/abs/2304.00670

GenRadar

题目：GenRadar: Self-supervised Probabilistic Camera Synthesis based on Radar Frequencies

名称：GenRadar：基于雷达频率的自监督概率相机合成

论文：https://arxiv.org/abs/2107.08948

GRIFNet

题目：GRIF Net: Gated Region of Interest Fusion Network for Robust 3D Object Detection from Radar Point Cloud and Monocular Image

名称：GRIF Net：用于从雷达点云和单目图像进行稳健的 3D 目标检测的门控感兴趣区域融合网络

论文：https://ieeexplore.ieee.org/document/9341177

ImmFusion

题目：ImmFusion: Robust mmWave-RGB Fusion for 3D Human Body Reconstruction in All Weather Conditions

名称：ImmFusion：用于全天候条件下 3D 人体重建的稳健毫米波-RGB 融合

论文：https://arxiv.org/abs/2210.01346

MVFusion

题目：MVFusion: Multi-View 3D Object Detection with Semantic-aligned Radar and Camera Fusion

名称：MVFusion：使用语义对齐雷达和相机融合的多视图 3D 对象检测

论文：https://arxiv.org/abs/2302.10511

RA-BIRANet

题目：Radar+RGB Attentive Fusion for Robust Object Detection in Autonomous Vehicles

名称：雷达+RGB 注意力融合，用于自动驾驶汽车中的鲁棒目标检测

论文：https://arxiv.org/abs/2008.13642

RadSegNet

题目：RadSegNet: A Reliable Approach to Radar Camera Fusion

名称：RadSegNet：雷达相机融合的可靠方法

论文：https://arxiv.org/abs/2208.03849

RC-BEV

题目：Bridging the View Disparity Between Radar and Camera Features for Multi-modal Fusion 3D Object Detection

名称：弥合雷达和相机功能之间的视图差异，用于多模态融合 3D 目标检测

论文：https://arxiv.org/abs/2208.12079

RCDPT

题目：RCDPT: Radar-Camera fusion Dense Prediction Transformer

名称：RCDPT：雷达-相机融合密集预测变压器

论文：https://arxiv.org/abs/2211.02432

RCF-FVE

题目：Full-Velocity Radar Returns by Radar-Camera Fusion

名称：雷达-相机融合的全速雷达回波

论文：https://arxiv.org/abs/2108.10637

RCFusionRL

题目：Radar Camera Fusion via Representation Learning in Autonomous Driving

名称：通过自动驾驶中的表示学习融合雷达相机

论文：https://arxiv.org/abs/2103.07825

RODNet

题目：RODNet: Radar Object Detection Using Cross-Modal Supervision

名称：RODNet：使用跨模态监督的雷达目标检测

论文：https://arxiv.org/abs/2003.01816

YODar

题目：YOdar: Uncertainty-based Sensor Fusion for Vehicle Detection with Camera and Radar Sensors

名称：YOdar：基于不确定性的传感器融合，用于使用摄像头和雷达传感器进行车辆检测

论文：https://arxiv.org/abs/2010.03320

3总结

先前的CamRadar后/目标融合策略，无法满足高阶/L3自动驾驶对功能、性能、实时、安全、鲁棒的要求。

成熟的、鲁棒、高性能、高精度的基于时序的、基于BEV/Transformer/Occupancy的CamRadar前融合方案会是低成本、高阶ADAS产品落地的关键。

往期回顾

史上最全综述 | 3D目标检测算法汇总！（单目/双目/LiDAR/多模态/时序/半弱自监督）

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、传感器部署、自动驾驶协同感知、语义分割、自动驾驶仿真、L4感知、决策规划、轨迹预测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、Occpuancy、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！

【自动驾驶之心】全栈技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多传感器融合、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向；

添加汽车人助理微信邀请入群

备注：学校/公司+方向+昵称