基于RD-YOLO的毫米波雷达和视觉融合显著性目标检测

为了解决单传感器在复杂环境下目标检测精度低问题,提出了一种基于RD-YOLO的毫米波雷达和视觉融合的显著性目标检测方法。首先设计了能够将毫米波雷达点云转换为图像的方法,使毫米波雷达和视觉数据在模型输入时实现特征融合;然后通过动态互补注意力机制,对两个图像分支生成特征设置空间和通道动态注意力权重;最后采用YOLOv8检测融合后特征,引入改进损失函数Focal Loss以解决样本不均衡问题。在数据集nuScenes上开展的相关实验表明,与YOLOv5、YOLOv7、YOLOv8、Faster R-CNN和FCOS相比,所提方法目标检测综合性能良好,均值平均精度比原始YOLOv8提升了9.19%。