激光雷达和毫米波雷达的融合-Bi-LRFusion

技术上包括两个步骤：

首先，它通过从激光雷达分支学习重要细节来丰富雷达的局部特征，以缓解高度信息缺失和极端稀疏性带来的问题；其次，它将激光雷达特征和增强雷达特征结合在一个统一的鸟瞰图中。

Bi - LRFusion框架的五个主要组件：

(a) 激光雷达BEV特征流：用于对来自激光雷达数据的激光雷达BEV（鸟瞰图）特征进行编码。这一步骤主要是处理激光雷达获取的数据，提取出鸟瞰图特征。

(b) 雷达特征流：用于对来自雷达数据的雷达BEV特征进行编码。这与(a)相对应，是处理雷达数据的步骤。

(c) LiDAR到雷达（L2R）融合模块：由基于查询的高度特征融合块和基于查询的BEV特征融合块组成。在这个模块中，从LiDAR原始点和LiDAR特征增强雷达特征，即利用激光雷达数据来改善雷达数据的特征。

(d) 雷达到激光雷达（R2L）融合模块：用于将增强的雷达特征融合回以激光雷达为中心的探测网络。这一步是将经过(c)处理后的雷达特征融合回激光雷达探测网络。

(e) BEV探测网络：该网络使用R2L融合模块的特征来预测动态物体的3D边界框。这个网络的主要功能是基于融合后的特征来检测和定位动态物体。

方法：

一、模态特定特征编码

二、LiDAR-to-Radar Fusion

Query-based L2R Height Feature Fusion（QHF）和Query-based L2R BEV Feature Fusion（QBF）都是基于查询机制的特征融合方法

QHF

QBF

三、Radar-to-LiDAR Fusion

四、BEV Detection Network